1
2020
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
1
2020
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
2
2011
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
Spatial-temporal differentiation of mountain-water-forest-farmland-lake-grass system in Qinghai area of the Qilian Mountain National Park， China
1
2021
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
祁连山国家公园青海片区山水林田湖草的时空分异
1
2021
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
1
2001
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
1
2001
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
The response of soil water holding capacity of alpine meadow in winter pasture to enclosure
0
2021
高寒草甸冬季牧场土壤持水能力对草地封育的响应
0
2021
Spatiotemporal variation characteristics of water conservation amount in the Qilian Mountains from 1980 to 2017
1
2022
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
1980—2017年祁连山水源涵养量时空变化特征
1
2022
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
Simulation of the soil water-thermal features within the active layer in Tanggula region， Tibetan Plateau， by using SHAW model
5
2013
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
... 利用统计学参数，如水热观测值与模拟值的决定系数（R2）、均方根误差（RMSE）和平均绝对误差（MAE）评价SHAW模型模拟效果［7，29］.在8 d时间尺度上，利用结构方程模型评估环境因子对0~100 cm土壤水分储量（SWS0-100）及水分通量（SWF0-100）的驱动过程及相对强度.结构方程模型是在对整体模型拟合和判断的基础上，阐释多因子之间相互关系的一种多元统计分析方法，在近年来的相关研究中应用广泛［23，33］.根据相关研究结果［25］，SWS0-100的主要影响因子包括气温（Ta）、降水（Rain）、蒸散发（LE）、LAI、SWS0-20、SWS20-60及土壤温度（Ts20-60）、SWS60-100及土壤温度（Ts60-100）；SWF0-100的主要影响因子包括Rain、Ta与浅层土壤的温度梯度［Δ（Ta-Ts0）］、浅层与中层土壤温度梯度［Δ（Ts0-Ts20）］、中层与深层土壤温度梯度［Δ（Ts20-Ts60）］、SWF0-20、SWF20-60及SWF60-100.基于结构方程模型中的标准作用系数和作用路径表征环境因子对SWS0-100和SWF0-100的相对强度和驱动过程.结构方程模型在R 4.0.3［34］平台上利用piecewiseSEM［35］软件包实现.缩写SWS0-20、SWS20-60、SWS60-100和SWS0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分储量；LAI为群落叶面积指数；Rain为降水量；Ta为气温；LE为蒸散发；Ts20-60为20~60 cm土壤温度；Ts60-100为60~100 cm土壤温度；SWF0-20、SWF20-60、SWF60-100和SWF0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分通量；Δ（Ta-Ts0）为Ta与Ts0-20差值；Δ（Ts0-20-Ts20-60）为Ts0-20与Ts20-60差值；Δ（Ts20-Ts60）为Ts20-60与Ts60-100差值. ...
... 本研究SHAW模型对高寒草甸土壤水热变化的模拟效果相对较好，与该模型在其他相关研究中表现（R2>0.70）较为一致［7，26，29］，表明SHAW模型适合于高寒草甸0~100 cm土壤水热传输的模拟，模拟结果能够用以评估土壤水分状况.然而，本研究SHAW模型对SWC的模拟效果略好于Ts的模拟效果，这与郭林茂等［8］研究结果不同.一方面，土壤水分参数的不确定性是陆面过程模型的重要限制之一［26，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
... ［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
... ［7］的相关研究结论一致. ...
基于SHAW模型的青藏高原唐古拉地区活动层土壤水热特征模拟
5
2013
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
... 利用统计学参数，如水热观测值与模拟值的决定系数（R2）、均方根误差（RMSE）和平均绝对误差（MAE）评价SHAW模型模拟效果［7，29］.在8 d时间尺度上，利用结构方程模型评估环境因子对0~100 cm土壤水分储量（SWS0-100）及水分通量（SWF0-100）的驱动过程及相对强度.结构方程模型是在对整体模型拟合和判断的基础上，阐释多因子之间相互关系的一种多元统计分析方法，在近年来的相关研究中应用广泛［23，33］.根据相关研究结果［25］，SWS0-100的主要影响因子包括气温（Ta）、降水（Rain）、蒸散发（LE）、LAI、SWS0-20、SWS20-60及土壤温度（Ts20-60）、SWS60-100及土壤温度（Ts60-100）；SWF0-100的主要影响因子包括Rain、Ta与浅层土壤的温度梯度［Δ（Ta-Ts0）］、浅层与中层土壤温度梯度［Δ（Ts0-Ts20）］、中层与深层土壤温度梯度［Δ（Ts20-Ts60）］、SWF0-20、SWF20-60及SWF60-100.基于结构方程模型中的标准作用系数和作用路径表征环境因子对SWS0-100和SWF0-100的相对强度和驱动过程.结构方程模型在R 4.0.3［34］平台上利用piecewiseSEM［35］软件包实现.缩写SWS0-20、SWS20-60、SWS60-100和SWS0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分储量；LAI为群落叶面积指数；Rain为降水量；Ta为气温；LE为蒸散发；Ts20-60为20~60 cm土壤温度；Ts60-100为60~100 cm土壤温度；SWF0-20、SWF20-60、SWF60-100和SWF0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分通量；Δ（Ta-Ts0）为Ta与Ts0-20差值；Δ（Ts0-20-Ts20-60）为Ts0-20与Ts20-60差值；Δ（Ts20-Ts60）为Ts20-60与Ts60-100差值. ...
... 本研究SHAW模型对高寒草甸土壤水热变化的模拟效果相对较好，与该模型在其他相关研究中表现（R2>0.70）较为一致［7，26，29］，表明SHAW模型适合于高寒草甸0~100 cm土壤水热传输的模拟，模拟结果能够用以评估土壤水分状况.然而，本研究SHAW模型对SWC的模拟效果略好于Ts的模拟效果，这与郭林茂等［8］研究结果不同.一方面，土壤水分参数的不确定性是陆面过程模型的重要限制之一［26，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
... ［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
... ［7］的相关研究结论一致. ...
Analysis of thermal-moisture conditions of active layer and energy-water balance of land-atmosphere system in Tanggula area
8
2020
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... ［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... 本研究SHAW模型对高寒草甸土壤水热变化的模拟效果相对较好，与该模型在其他相关研究中表现（R2>0.70）较为一致［7，26，29］，表明SHAW模型适合于高寒草甸0~100 cm土壤水热传输的模拟，模拟结果能够用以评估土壤水分状况.然而，本研究SHAW模型对SWC的模拟效果略好于Ts的模拟效果，这与郭林茂等［8］研究结果不同.一方面，土壤水分参数的不确定性是陆面过程模型的重要限制之一［26，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
... 由于研究区100 cm下土壤渗漏量很少［24］，SWS0-100主要取决于Rain和LE的平衡.SWS0-100在生长季低而非生长季较高，表明土壤冻结有利于土壤系统水分的保持［10，19］，这由于冻土具有较高的隔水特性，限制了非生长季LE的过度损失［8］，加之冻结过程对下层土壤水分具有汇聚作用［12］.因为研究区在6月初的太阳辐射较强而LAI较小［22］，系统获取的辐射有效能较大，加之冻土消融提高了表层土壤水分含量，刺激了LE的迅速增加［23］，导致SWS0-100出现低值. ...
... SWF的实质是各种势能综合作用下的水分质量的转移，主要包括温度梯度驱动的未冻水迁移、重力作用下的自由水下渗和土壤毛细作用下的毛细水迁移［19］.生长季中，SWF主要驱动力是由降水、蒸散发等过程引起的土壤含水量增减而导致的土壤剖面基质势梯度的变化，土壤水迁移以自由水和毛细水为主［27］，降水对SWF的影响也随着土壤深度增加而下降［8］，本研究也发现SWF20-60和SWF60-100的变化主要来源于降水的间接作用［图4（b）］.这主要由于高寒草甸植物根系集中在浅层土壤中形成了一系列大孔隙网络，提高了土壤的导水率［12］.非生长季中，土壤与大气间的水气交换被冻结的表层土壤所阻隔，土壤水分迁移与冻土融冻导致的温度变化密切相关［10，27］，即温度梯度是SWF的主要影响因素［图4（b）］.一方面，冻结过程中，土壤水分在温度梯度的作用下向冻结峰汇集，土壤水分从深层向浅层聚集［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
唐古拉地区活动层水热状况及地气系统能水平衡分析
8
2020
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... ［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... 本研究SHAW模型对高寒草甸土壤水热变化的模拟效果相对较好，与该模型在其他相关研究中表现（R2>0.70）较为一致［7，26，29］，表明SHAW模型适合于高寒草甸0~100 cm土壤水热传输的模拟，模拟结果能够用以评估土壤水分状况.然而，本研究SHAW模型对SWC的模拟效果略好于Ts的模拟效果，这与郭林茂等［8］研究结果不同.一方面，土壤水分参数的不确定性是陆面过程模型的重要限制之一［26，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
... 由于研究区100 cm下土壤渗漏量很少［24］，SWS0-100主要取决于Rain和LE的平衡.SWS0-100在生长季低而非生长季较高，表明土壤冻结有利于土壤系统水分的保持［10，19］，这由于冻土具有较高的隔水特性，限制了非生长季LE的过度损失［8］，加之冻结过程对下层土壤水分具有汇聚作用［12］.因为研究区在6月初的太阳辐射较强而LAI较小［22］，系统获取的辐射有效能较大，加之冻土消融提高了表层土壤水分含量，刺激了LE的迅速增加［23］，导致SWS0-100出现低值. ...
... SWF的实质是各种势能综合作用下的水分质量的转移，主要包括温度梯度驱动的未冻水迁移、重力作用下的自由水下渗和土壤毛细作用下的毛细水迁移［19］.生长季中，SWF主要驱动力是由降水、蒸散发等过程引起的土壤含水量增减而导致的土壤剖面基质势梯度的变化，土壤水迁移以自由水和毛细水为主［27］，降水对SWF的影响也随着土壤深度增加而下降［8］，本研究也发现SWF20-60和SWF60-100的变化主要来源于降水的间接作用［图4（b）］.这主要由于高寒草甸植物根系集中在浅层土壤中形成了一系列大孔隙网络，提高了土壤的导水率［12］.非生长季中，土壤与大气间的水气交换被冻结的表层土壤所阻隔，土壤水分迁移与冻土融冻导致的温度变化密切相关［10，27］，即温度梯度是SWF的主要影响因素［图4（b）］.一方面，冻结过程中，土壤水分在温度梯度的作用下向冻结峰汇集，土壤水分从深层向浅层聚集［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
The soil moisture distribution， thawing-freezing processes and their effects on the seasonal transition on the Qinghai-Xizang （Tibetan） Plateau
1
2003
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
Characteristics of hydro-thermal coupling during soil freezing-thawing process in seasonally frozen soil regions on the Tibetan Plateau
5
2020
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
... 由于研究区100 cm下土壤渗漏量很少［24］，SWS0-100主要取决于Rain和LE的平衡.SWS0-100在生长季低而非生长季较高，表明土壤冻结有利于土壤系统水分的保持［10，19］，这由于冻土具有较高的隔水特性，限制了非生长季LE的过度损失［8］，加之冻结过程对下层土壤水分具有汇聚作用［12］.因为研究区在6月初的太阳辐射较强而LAI较小［22］，系统获取的辐射有效能较大，加之冻土消融提高了表层土壤水分含量，刺激了LE的迅速增加［23］，导致SWS0-100出现低值. ...
... SWF的实质是各种势能综合作用下的水分质量的转移，主要包括温度梯度驱动的未冻水迁移、重力作用下的自由水下渗和土壤毛细作用下的毛细水迁移［19］.生长季中，SWF主要驱动力是由降水、蒸散发等过程引起的土壤含水量增减而导致的土壤剖面基质势梯度的变化，土壤水迁移以自由水和毛细水为主［27］，降水对SWF的影响也随着土壤深度增加而下降［8］，本研究也发现SWF20-60和SWF60-100的变化主要来源于降水的间接作用［图4（b）］.这主要由于高寒草甸植物根系集中在浅层土壤中形成了一系列大孔隙网络，提高了土壤的导水率［12］.非生长季中，土壤与大气间的水气交换被冻结的表层土壤所阻隔，土壤水分迁移与冻土融冻导致的温度变化密切相关［10，27］，即温度梯度是SWF的主要影响因素［图4（b）］.一方面，冻结过程中，土壤水分在温度梯度的作用下向冻结峰汇集，土壤水分从深层向浅层聚集［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
... ［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
... ［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
青藏高原季节冻土区土壤冻融过程水热耦合特征
5
2020
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
... 由于研究区100 cm下土壤渗漏量很少［24］，SWS0-100主要取决于Rain和LE的平衡.SWS0-100在生长季低而非生长季较高，表明土壤冻结有利于土壤系统水分的保持［10，19］，这由于冻土具有较高的隔水特性，限制了非生长季LE的过度损失［8］，加之冻结过程对下层土壤水分具有汇聚作用［12］.因为研究区在6月初的太阳辐射较强而LAI较小［22］，系统获取的辐射有效能较大，加之冻土消融提高了表层土壤水分含量，刺激了LE的迅速增加［23］，导致SWS0-100出现低值. ...
... SWF的实质是各种势能综合作用下的水分质量的转移，主要包括温度梯度驱动的未冻水迁移、重力作用下的自由水下渗和土壤毛细作用下的毛细水迁移［19］.生长季中，SWF主要驱动力是由降水、蒸散发等过程引起的土壤含水量增减而导致的土壤剖面基质势梯度的变化，土壤水迁移以自由水和毛细水为主［27］，降水对SWF的影响也随着土壤深度增加而下降［8］，本研究也发现SWF20-60和SWF60-100的变化主要来源于降水的间接作用［图4（b）］.这主要由于高寒草甸植物根系集中在浅层土壤中形成了一系列大孔隙网络，提高了土壤的导水率［12］.非生长季中，土壤与大气间的水气交换被冻结的表层土壤所阻隔，土壤水分迁移与冻土融冻导致的温度变化密切相关［10，27］，即温度梯度是SWF的主要影响因素［图4（b）］.一方面，冻结过程中，土壤水分在温度梯度的作用下向冻结峰汇集，土壤水分从深层向浅层聚集［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
... ［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
... ［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
Energy exchange between the atmosphere and a meadow ecosystem on the Qinghai-Tibetan Plateau
1
2005
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
Strong seasonal connectivity between shallow groundwater and soil frost in a humid alpine meadow， northeastern Qinghai-Tibetan Plateau
6
2019
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... 研究区位于青海海北高寒草地生态系统国家野外科学观测研究站（简称海北站，37°37′ N，101°19′ E，海拔3 200 m）.海北站地处青藏高原东北隅祁连山东支冷龙岭南麓，为典型的高原大陆性气候，年均气温和降水分别为-1.7 ℃和580 mm，雨热同季［31］.植被类型为禾草-矮嵩草草甸，优势种为矮生嵩草（Kobresia humilis）、垂穗披碱草（Elymus nutans）、异针茅（Stipa aliena）、麻花艽（Gentiana straminea）和黄花棘豆（Oxytropis ochrocephala）等.植被地上净初级生产力和0~40 cm地下根系现存量分别约为400 g·m-2和3 200 g·m-2，其中约90%的根系集中在0~20 cm土层中，形成草毡层［31］.土壤类型为高山草甸土，发育相对年轻，粗骨性强.由于地表草毡层具有较高的导水性和较低的导热性，土壤水热特性具有显著的垂向分层特异性［12］. ...
... 由于研究区100 cm下土壤渗漏量很少［24］，SWS0-100主要取决于Rain和LE的平衡.SWS0-100在生长季低而非生长季较高，表明土壤冻结有利于土壤系统水分的保持［10，19］，这由于冻土具有较高的隔水特性，限制了非生长季LE的过度损失［8］，加之冻结过程对下层土壤水分具有汇聚作用［12］.因为研究区在6月初的太阳辐射较强而LAI较小［22］，系统获取的辐射有效能较大，加之冻土消融提高了表层土壤水分含量，刺激了LE的迅速增加［23］，导致SWS0-100出现低值. ...
... SWF的实质是各种势能综合作用下的水分质量的转移，主要包括温度梯度驱动的未冻水迁移、重力作用下的自由水下渗和土壤毛细作用下的毛细水迁移［19］.生长季中，SWF主要驱动力是由降水、蒸散发等过程引起的土壤含水量增减而导致的土壤剖面基质势梯度的变化，土壤水迁移以自由水和毛细水为主［27］，降水对SWF的影响也随着土壤深度增加而下降［8］，本研究也发现SWF20-60和SWF60-100的变化主要来源于降水的间接作用［图4（b）］.这主要由于高寒草甸植物根系集中在浅层土壤中形成了一系列大孔隙网络，提高了土壤的导水率［12］.非生长季中，土壤与大气间的水气交换被冻结的表层土壤所阻隔，土壤水分迁移与冻土融冻导致的温度变化密切相关［10，27］，即温度梯度是SWF的主要影响因素［图4（b）］.一方面，冻结过程中，土壤水分在温度梯度的作用下向冻结峰汇集，土壤水分从深层向浅层聚集［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
... ，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
Cryosphere ecosystems： outpost and barrier in global change
2
2020
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
冰冻圈生态系统：全球变化的前哨与屏障
2
2020
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
Energy-water balance of meadow ecosystem in cold frozen soil areas
1
2008
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
高寒冻土地区草甸草地生态系统的能量-水分平衡分析
1
2008
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
Modeling soil-water dynamics and soil-water carrying capacity for vegetation on the Loess Plateau， China
1
2015
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
Critical advances in understanding ecohydrological processes of terrestrial vegetation： from leaf to watershed scale
0
2021
陆地植被生态水文过程前沿进展： 从植物叶片到流域
0
2021
Not vegetation itself but mis-revegetation reduces water resources
1
2021
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
不恰当的植被恢复导致水资源减少
1
2021
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
Current condition and protection strategies of Qinghai-Tibet Plateau ecological security barrier
1
2021
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
青藏高原生态安全屏障状况与保护对策
1
2021
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
Permafrost changes and its effects on hydrological processes on Qinghai-Tibet Plateau
5
2019
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... 由于研究区100 cm下土壤渗漏量很少［24］，SWS0-100主要取决于Rain和LE的平衡.SWS0-100在生长季低而非生长季较高，表明土壤冻结有利于土壤系统水分的保持［10，19］，这由于冻土具有较高的隔水特性，限制了非生长季LE的过度损失［8］，加之冻结过程对下层土壤水分具有汇聚作用［12］.因为研究区在6月初的太阳辐射较强而LAI较小［22］，系统获取的辐射有效能较大，加之冻土消融提高了表层土壤水分含量，刺激了LE的迅速增加［23］，导致SWS0-100出现低值. ...
... SWF的实质是各种势能综合作用下的水分质量的转移，主要包括温度梯度驱动的未冻水迁移、重力作用下的自由水下渗和土壤毛细作用下的毛细水迁移［19］.生长季中，SWF主要驱动力是由降水、蒸散发等过程引起的土壤含水量增减而导致的土壤剖面基质势梯度的变化，土壤水迁移以自由水和毛细水为主［27］，降水对SWF的影响也随着土壤深度增加而下降［8］，本研究也发现SWF20-60和SWF60-100的变化主要来源于降水的间接作用［图4（b）］.这主要由于高寒草甸植物根系集中在浅层土壤中形成了一系列大孔隙网络，提高了土壤的导水率［12］.非生长季中，土壤与大气间的水气交换被冻结的表层土壤所阻隔，土壤水分迁移与冻土融冻导致的温度变化密切相关［10，27］，即温度梯度是SWF的主要影响因素［图4（b）］.一方面，冻结过程中，土壤水分在温度梯度的作用下向冻结峰汇集，土壤水分从深层向浅层聚集［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
青藏高原多年冻土变化对水文过程的影响
5
2019
... 土壤水是土壤-植被-大气连续体的主要组成，也是四水（地表水、地下水、大气水和土壤水）转换的纽带及土壤系统内物质和能量交换的载体［1］，对区域水资源的形成、保持与转换具有重要意义［2］.祁连山国家公园地处青藏高原东北部，总面积5.02万km2，是河西走廊主要内陆河的发源地和黄河流域重要的水源产流地［3］.高寒草甸是祁连山国家公园青海片区重要的植被类型和区域水文调节功能发挥的载体［4-6］，频繁发生的夏季融化、冬季冻结的冻融循环是其地表显著的物理特征之一［7-8］.冻融过程导致土壤水热特性的变化会直接影响到下垫面水源涵养功能的质量和状况［9-10］，是高寒地区地表水循环的关键过程之一［11-12］，对植被群落演替及生态系统稳定性维持具有重要的影响［13-14］.因此，深入研究冻融过程对土壤水分储量及交换的影响机制是量化高寒草甸水源涵养功能的基础和认知区域土壤水分植被承载力的关键［15-17］，也是评估中下游的水资源安全的科学支撑［18-19］，具有重要的理论价值和现实意义. ...
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... 由于研究区100 cm下土壤渗漏量很少［24］，SWS0-100主要取决于Rain和LE的平衡.SWS0-100在生长季低而非生长季较高，表明土壤冻结有利于土壤系统水分的保持［10，19］，这由于冻土具有较高的隔水特性，限制了非生长季LE的过度损失［8］，加之冻结过程对下层土壤水分具有汇聚作用［12］.因为研究区在6月初的太阳辐射较强而LAI较小［22］，系统获取的辐射有效能较大，加之冻土消融提高了表层土壤水分含量，刺激了LE的迅速增加［23］，导致SWS0-100出现低值. ...
... SWF的实质是各种势能综合作用下的水分质量的转移，主要包括温度梯度驱动的未冻水迁移、重力作用下的自由水下渗和土壤毛细作用下的毛细水迁移［19］.生长季中，SWF主要驱动力是由降水、蒸散发等过程引起的土壤含水量增减而导致的土壤剖面基质势梯度的变化，土壤水迁移以自由水和毛细水为主［27］，降水对SWF的影响也随着土壤深度增加而下降［8］，本研究也发现SWF20-60和SWF60-100的变化主要来源于降水的间接作用［图4（b）］.这主要由于高寒草甸植物根系集中在浅层土壤中形成了一系列大孔隙网络，提高了土壤的导水率［12］.非生长季中，土壤与大气间的水气交换被冻结的表层土壤所阻隔，土壤水分迁移与冻土融冻导致的温度变化密切相关［10，27］，即温度梯度是SWF的主要影响因素［图4（b）］.一方面，冻结过程中，土壤水分在温度梯度的作用下向冻结峰汇集，土壤水分从深层向浅层聚集［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
Simultaneous heat and water （SHAW） model： model use， calibration， and validation
5
2012
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... ［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... ［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... 本研究SHAW模型对高寒草甸土壤水热变化的模拟效果相对较好，与该模型在其他相关研究中表现（R2>0.70）较为一致［7，26，29］，表明SHAW模型适合于高寒草甸0~100 cm土壤水热传输的模拟，模拟结果能够用以评估土壤水分状况.然而，本研究SHAW模型对SWC的模拟效果略好于Ts的模拟效果，这与郭林茂等［8］研究结果不同.一方面，土壤水分参数的不确定性是陆面过程模型的重要限制之一［26，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
Response of soil water storage to meteorological factors in alpine shrub meadow on Northeastern Qinghai-Tibetan Plateau
6
2022
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SWS0-100的季节变异主要受SWS0-20和SWS20-60的影响，这主要与浅层和中层水分变化较为活跃，深层水分含量相对稳定有关［25］.SWS0-20受LE、Ta和LAI的综合影响［图4（a）］.LE对SWS0-20为负效应，表明LE是SWS0-20散失的主要途径［22-23］.Ta的负效应主要由于Ta可以表征大气蒸发需求，且与LE在季节变化上也具有显著的正相关［22］.LAI越大，植被蒸腾在LE中占比越高，系统可通过调节植被气孔行为控制水分散失［22］，加之高寒植被反照率较湿润裸地高，可以降低系统的辐射有效能及水分的过度消耗［23］，有利于浅层土壤水分保持.SWS20-60主要受SWS0-20的正效应影响，因为二者水分储量的季节变化具有一致性（R2=0.50，P<0.01）.由于SWS60-100的季节变异主要受控于生长季SWS60-100的变异，而后者与生长季Ts60-100显著正相关（R2=0.73，P<0.001），进而导致SWS60-100的季节变异与Ts60-100正相关，这也与相邻区域高寒灌丛草甸的研究结果一致［21］.降水对SWS0-100在8 d时间尺度上的季节变异无显著作用，一方面由于年降水的85%集中在植被生长季，且以小降水（<3.0 mm·d-1）事件为主，加之高原太阳辐射较强，极易被LE迅速消耗［21-22］.另一方面，强降水事件［（31.4 mm）·（48 h）-1］最多只能作用到高寒草甸40 cm的SWC［21，24］，也一定程度上削弱了降水对SWS0-100的影响强度. ...
... ［21-22］.另一方面，强降水事件［（31.4 mm）·（48 h）-1］最多只能作用到高寒草甸40 cm的SWC［21，24］，也一定程度上削弱了降水对SWS0-100的影响强度. ...
... ［21，24］，也一定程度上削弱了降水对SWS0-100的影响强度. ...
Net radiation rather than surface moisture limits evapotranspiration over a humid alpine meadow on the northeastern Qinghai-Tibetan Plateau
7
2018
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... 由于研究区100 cm下土壤渗漏量很少［24］，SWS0-100主要取决于Rain和LE的平衡.SWS0-100在生长季低而非生长季较高，表明土壤冻结有利于土壤系统水分的保持［10，19］，这由于冻土具有较高的隔水特性，限制了非生长季LE的过度损失［8］，加之冻结过程对下层土壤水分具有汇聚作用［12］.因为研究区在6月初的太阳辐射较强而LAI较小［22］，系统获取的辐射有效能较大，加之冻土消融提高了表层土壤水分含量，刺激了LE的迅速增加［23］，导致SWS0-100出现低值. ...
... SWS0-100的季节变异主要受SWS0-20和SWS20-60的影响，这主要与浅层和中层水分变化较为活跃，深层水分含量相对稳定有关［25］.SWS0-20受LE、Ta和LAI的综合影响［图4（a）］.LE对SWS0-20为负效应，表明LE是SWS0-20散失的主要途径［22-23］.Ta的负效应主要由于Ta可以表征大气蒸发需求，且与LE在季节变化上也具有显著的正相关［22］.LAI越大，植被蒸腾在LE中占比越高，系统可通过调节植被气孔行为控制水分散失［22］，加之高寒植被反照率较湿润裸地高，可以降低系统的辐射有效能及水分的过度消耗［23］，有利于浅层土壤水分保持.SWS20-60主要受SWS0-20的正效应影响，因为二者水分储量的季节变化具有一致性（R2=0.50，P<0.01）.由于SWS60-100的季节变异主要受控于生长季SWS60-100的变异，而后者与生长季Ts60-100显著正相关（R2=0.73，P<0.001），进而导致SWS60-100的季节变异与Ts60-100正相关，这也与相邻区域高寒灌丛草甸的研究结果一致［21］.降水对SWS0-100在8 d时间尺度上的季节变异无显著作用，一方面由于年降水的85%集中在植被生长季，且以小降水（<3.0 mm·d-1）事件为主，加之高原太阳辐射较强，极易被LE迅速消耗［21-22］.另一方面，强降水事件［（31.4 mm）·（48 h）-1］最多只能作用到高寒草甸40 cm的SWC［21，24］，也一定程度上削弱了降水对SWS0-100的影响强度. ...
... ［22］.LAI越大，植被蒸腾在LE中占比越高，系统可通过调节植被气孔行为控制水分散失［22］，加之高寒植被反照率较湿润裸地高，可以降低系统的辐射有效能及水分的过度消耗［23］，有利于浅层土壤水分保持.SWS20-60主要受SWS0-20的正效应影响，因为二者水分储量的季节变化具有一致性（R2=0.50，P<0.01）.由于SWS60-100的季节变异主要受控于生长季SWS60-100的变异，而后者与生长季Ts60-100显著正相关（R2=0.73，P<0.001），进而导致SWS60-100的季节变异与Ts60-100正相关，这也与相邻区域高寒灌丛草甸的研究结果一致［21］.降水对SWS0-100在8 d时间尺度上的季节变异无显著作用，一方面由于年降水的85%集中在植被生长季，且以小降水（<3.0 mm·d-1）事件为主，加之高原太阳辐射较强，极易被LE迅速消耗［21-22］.另一方面，强降水事件［（31.4 mm）·（48 h）-1］最多只能作用到高寒草甸40 cm的SWC［21，24］，也一定程度上削弱了降水对SWS0-100的影响强度. ...
... ［22］，加之高寒植被反照率较湿润裸地高，可以降低系统的辐射有效能及水分的过度消耗［23］，有利于浅层土壤水分保持.SWS20-60主要受SWS0-20的正效应影响，因为二者水分储量的季节变化具有一致性（R2=0.50，P<0.01）.由于SWS60-100的季节变异主要受控于生长季SWS60-100的变异，而后者与生长季Ts60-100显著正相关（R2=0.73，P<0.001），进而导致SWS60-100的季节变异与Ts60-100正相关，这也与相邻区域高寒灌丛草甸的研究结果一致［21］.降水对SWS0-100在8 d时间尺度上的季节变异无显著作用，一方面由于年降水的85%集中在植被生长季，且以小降水（<3.0 mm·d-1）事件为主，加之高原太阳辐射较强，极易被LE迅速消耗［21-22］.另一方面，强降水事件［（31.4 mm）·（48 h）-1］最多只能作用到高寒草甸40 cm的SWC［21，24］，也一定程度上削弱了降水对SWS0-100的影响强度. ...
... -22］.另一方面，强降水事件［（31.4 mm）·（48 h）-1］最多只能作用到高寒草甸40 cm的SWC［21，24］，也一定程度上削弱了降水对SWS0-100的影响强度. ...
Precipitation rather than evapotranspiration determines the warm-season water supply in an alpine shrub and an alpine meadow
6
2021
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... 利用统计学参数，如水热观测值与模拟值的决定系数（R2）、均方根误差（RMSE）和平均绝对误差（MAE）评价SHAW模型模拟效果［7，29］.在8 d时间尺度上，利用结构方程模型评估环境因子对0~100 cm土壤水分储量（SWS0-100）及水分通量（SWF0-100）的驱动过程及相对强度.结构方程模型是在对整体模型拟合和判断的基础上，阐释多因子之间相互关系的一种多元统计分析方法，在近年来的相关研究中应用广泛［23，33］.根据相关研究结果［25］，SWS0-100的主要影响因子包括气温（Ta）、降水（Rain）、蒸散发（LE）、LAI、SWS0-20、SWS20-60及土壤温度（Ts20-60）、SWS60-100及土壤温度（Ts60-100）；SWF0-100的主要影响因子包括Rain、Ta与浅层土壤的温度梯度［Δ（Ta-Ts0）］、浅层与中层土壤温度梯度［Δ（Ts0-Ts20）］、中层与深层土壤温度梯度［Δ（Ts20-Ts60）］、SWF0-20、SWF20-60及SWF60-100.基于结构方程模型中的标准作用系数和作用路径表征环境因子对SWS0-100和SWF0-100的相对强度和驱动过程.结构方程模型在R 4.0.3［34］平台上利用piecewiseSEM［35］软件包实现.缩写SWS0-20、SWS20-60、SWS60-100和SWS0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分储量；LAI为群落叶面积指数；Rain为降水量；Ta为气温；LE为蒸散发；Ts20-60为20~60 cm土壤温度；Ts60-100为60~100 cm土壤温度；SWF0-20、SWF20-60、SWF60-100和SWF0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分通量；Δ（Ta-Ts0）为Ta与Ts0-20差值；Δ（Ts0-20-Ts20-60）为Ts0-20与Ts20-60差值；Δ（Ts20-Ts60）为Ts20-60与Ts60-100差值. ...
... 由于研究区100 cm下土壤渗漏量很少［24］，SWS0-100主要取决于Rain和LE的平衡.SWS0-100在生长季低而非生长季较高，表明土壤冻结有利于土壤系统水分的保持［10，19］，这由于冻土具有较高的隔水特性，限制了非生长季LE的过度损失［8］，加之冻结过程对下层土壤水分具有汇聚作用［12］.因为研究区在6月初的太阳辐射较强而LAI较小［22］，系统获取的辐射有效能较大，加之冻土消融提高了表层土壤水分含量，刺激了LE的迅速增加［23］，导致SWS0-100出现低值. ...
... SWS0-100的季节变异主要受SWS0-20和SWS20-60的影响，这主要与浅层和中层水分变化较为活跃，深层水分含量相对稳定有关［25］.SWS0-20受LE、Ta和LAI的综合影响［图4（a）］.LE对SWS0-20为负效应，表明LE是SWS0-20散失的主要途径［22-23］.Ta的负效应主要由于Ta可以表征大气蒸发需求，且与LE在季节变化上也具有显著的正相关［22］.LAI越大，植被蒸腾在LE中占比越高，系统可通过调节植被气孔行为控制水分散失［22］，加之高寒植被反照率较湿润裸地高，可以降低系统的辐射有效能及水分的过度消耗［23］，有利于浅层土壤水分保持.SWS20-60主要受SWS0-20的正效应影响，因为二者水分储量的季节变化具有一致性（R2=0.50，P<0.01）.由于SWS60-100的季节变异主要受控于生长季SWS60-100的变异，而后者与生长季Ts60-100显著正相关（R2=0.73，P<0.001），进而导致SWS60-100的季节变异与Ts60-100正相关，这也与相邻区域高寒灌丛草甸的研究结果一致［21］.降水对SWS0-100在8 d时间尺度上的季节变异无显著作用，一方面由于年降水的85%集中在植被生长季，且以小降水（<3.0 mm·d-1）事件为主，加之高原太阳辐射较强，极易被LE迅速消耗［21-22］.另一方面，强降水事件［（31.4 mm）·（48 h）-1］最多只能作用到高寒草甸40 cm的SWC［21，24］，也一定程度上削弱了降水对SWS0-100的影响强度. ...
... ［23］，有利于浅层土壤水分保持.SWS20-60主要受SWS0-20的正效应影响，因为二者水分储量的季节变化具有一致性（R2=0.50，P<0.01）.由于SWS60-100的季节变异主要受控于生长季SWS60-100的变异，而后者与生长季Ts60-100显著正相关（R2=0.73，P<0.001），进而导致SWS60-100的季节变异与Ts60-100正相关，这也与相邻区域高寒灌丛草甸的研究结果一致［21］.降水对SWS0-100在8 d时间尺度上的季节变异无显著作用，一方面由于年降水的85%集中在植被生长季，且以小降水（<3.0 mm·d-1）事件为主，加之高原太阳辐射较强，极易被LE迅速消耗［21-22］.另一方面，强降水事件［（31.4 mm）·（48 h）-1］最多只能作用到高寒草甸40 cm的SWC［21，24］，也一定程度上削弱了降水对SWS0-100的影响强度. ...
Seasonal dynamics and controls of deep soil water infiltration in the seasonally-frozen region of the Qinghai-Tibet Plateau
4
2019
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... 由于研究区100 cm下土壤渗漏量很少［24］，SWS0-100主要取决于Rain和LE的平衡.SWS0-100在生长季低而非生长季较高，表明土壤冻结有利于土壤系统水分的保持［10，19］，这由于冻土具有较高的隔水特性，限制了非生长季LE的过度损失［8］，加之冻结过程对下层土壤水分具有汇聚作用［12］.因为研究区在6月初的太阳辐射较强而LAI较小［22］，系统获取的辐射有效能较大，加之冻土消融提高了表层土壤水分含量，刺激了LE的迅速增加［23］，导致SWS0-100出现低值. ...
... SWS0-100的季节变异主要受SWS0-20和SWS20-60的影响，这主要与浅层和中层水分变化较为活跃，深层水分含量相对稳定有关［25］.SWS0-20受LE、Ta和LAI的综合影响［图4（a）］.LE对SWS0-20为负效应，表明LE是SWS0-20散失的主要途径［22-23］.Ta的负效应主要由于Ta可以表征大气蒸发需求，且与LE在季节变化上也具有显著的正相关［22］.LAI越大，植被蒸腾在LE中占比越高，系统可通过调节植被气孔行为控制水分散失［22］，加之高寒植被反照率较湿润裸地高，可以降低系统的辐射有效能及水分的过度消耗［23］，有利于浅层土壤水分保持.SWS20-60主要受SWS0-20的正效应影响，因为二者水分储量的季节变化具有一致性（R2=0.50，P<0.01）.由于SWS60-100的季节变异主要受控于生长季SWS60-100的变异，而后者与生长季Ts60-100显著正相关（R2=0.73，P<0.001），进而导致SWS60-100的季节变异与Ts60-100正相关，这也与相邻区域高寒灌丛草甸的研究结果一致［21］.降水对SWS0-100在8 d时间尺度上的季节变异无显著作用，一方面由于年降水的85%集中在植被生长季，且以小降水（<3.0 mm·d-1）事件为主，加之高原太阳辐射较强，极易被LE迅速消耗［21-22］.另一方面，强降水事件［（31.4 mm）·（48 h）-1］最多只能作用到高寒草甸40 cm的SWC［21，24］，也一定程度上削弱了降水对SWS0-100的影响强度. ...
Soil water conservation function of an alpine graminoid-Kobresia meadow on the southern slope of the Qilian Mountains
4
2022
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... 利用统计学参数，如水热观测值与模拟值的决定系数（R2）、均方根误差（RMSE）和平均绝对误差（MAE）评价SHAW模型模拟效果［7，29］.在8 d时间尺度上，利用结构方程模型评估环境因子对0~100 cm土壤水分储量（SWS0-100）及水分通量（SWF0-100）的驱动过程及相对强度.结构方程模型是在对整体模型拟合和判断的基础上，阐释多因子之间相互关系的一种多元统计分析方法，在近年来的相关研究中应用广泛［23，33］.根据相关研究结果［25］，SWS0-100的主要影响因子包括气温（Ta）、降水（Rain）、蒸散发（LE）、LAI、SWS0-20、SWS20-60及土壤温度（Ts20-60）、SWS60-100及土壤温度（Ts60-100）；SWF0-100的主要影响因子包括Rain、Ta与浅层土壤的温度梯度［Δ（Ta-Ts0）］、浅层与中层土壤温度梯度［Δ（Ts0-Ts20）］、中层与深层土壤温度梯度［Δ（Ts20-Ts60）］、SWF0-20、SWF20-60及SWF60-100.基于结构方程模型中的标准作用系数和作用路径表征环境因子对SWS0-100和SWF0-100的相对强度和驱动过程.结构方程模型在R 4.0.3［34］平台上利用piecewiseSEM［35］软件包实现.缩写SWS0-20、SWS20-60、SWS60-100和SWS0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分储量；LAI为群落叶面积指数；Rain为降水量；Ta为气温；LE为蒸散发；Ts20-60为20~60 cm土壤温度；Ts60-100为60~100 cm土壤温度；SWF0-20、SWF20-60、SWF60-100和SWF0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分通量；Δ（Ta-Ts0）为Ta与Ts0-20差值；Δ（Ts0-20-Ts20-60）为Ts0-20与Ts20-60差值；Δ（Ts20-Ts60）为Ts20-60与Ts60-100差值. ...
... SWS0-100的季节变异主要受SWS0-20和SWS20-60的影响，这主要与浅层和中层水分变化较为活跃，深层水分含量相对稳定有关［25］.SWS0-20受LE、Ta和LAI的综合影响［图4（a）］.LE对SWS0-20为负效应，表明LE是SWS0-20散失的主要途径［22-23］.Ta的负效应主要由于Ta可以表征大气蒸发需求，且与LE在季节变化上也具有显著的正相关［22］.LAI越大，植被蒸腾在LE中占比越高，系统可通过调节植被气孔行为控制水分散失［22］，加之高寒植被反照率较湿润裸地高，可以降低系统的辐射有效能及水分的过度消耗［23］，有利于浅层土壤水分保持.SWS20-60主要受SWS0-20的正效应影响，因为二者水分储量的季节变化具有一致性（R2=0.50，P<0.01）.由于SWS60-100的季节变异主要受控于生长季SWS60-100的变异，而后者与生长季Ts60-100显著正相关（R2=0.73，P<0.001），进而导致SWS60-100的季节变异与Ts60-100正相关，这也与相邻区域高寒灌丛草甸的研究结果一致［21］.降水对SWS0-100在8 d时间尺度上的季节变异无显著作用，一方面由于年降水的85%集中在植被生长季，且以小降水（<3.0 mm·d-1）事件为主，加之高原太阳辐射较强，极易被LE迅速消耗［21-22］.另一方面，强降水事件［（31.4 mm）·（48 h）-1］最多只能作用到高寒草甸40 cm的SWC［21，24］，也一定程度上削弱了降水对SWS0-100的影响强度. ...
祁连山南麓高寒禾草-矮嵩草草甸土壤水源涵养功能的特征
4
2022
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... 利用统计学参数，如水热观测值与模拟值的决定系数（R2）、均方根误差（RMSE）和平均绝对误差（MAE）评价SHAW模型模拟效果［7，29］.在8 d时间尺度上，利用结构方程模型评估环境因子对0~100 cm土壤水分储量（SWS0-100）及水分通量（SWF0-100）的驱动过程及相对强度.结构方程模型是在对整体模型拟合和判断的基础上，阐释多因子之间相互关系的一种多元统计分析方法，在近年来的相关研究中应用广泛［23，33］.根据相关研究结果［25］，SWS0-100的主要影响因子包括气温（Ta）、降水（Rain）、蒸散发（LE）、LAI、SWS0-20、SWS20-60及土壤温度（Ts20-60）、SWS60-100及土壤温度（Ts60-100）；SWF0-100的主要影响因子包括Rain、Ta与浅层土壤的温度梯度［Δ（Ta-Ts0）］、浅层与中层土壤温度梯度［Δ（Ts0-Ts20）］、中层与深层土壤温度梯度［Δ（Ts20-Ts60）］、SWF0-20、SWF20-60及SWF60-100.基于结构方程模型中的标准作用系数和作用路径表征环境因子对SWS0-100和SWF0-100的相对强度和驱动过程.结构方程模型在R 4.0.3［34］平台上利用piecewiseSEM［35］软件包实现.缩写SWS0-20、SWS20-60、SWS60-100和SWS0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分储量；LAI为群落叶面积指数；Rain为降水量；Ta为气温；LE为蒸散发；Ts20-60为20~60 cm土壤温度；Ts60-100为60~100 cm土壤温度；SWF0-20、SWF20-60、SWF60-100和SWF0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分通量；Δ（Ta-Ts0）为Ta与Ts0-20差值；Δ（Ts0-20-Ts20-60）为Ts0-20与Ts20-60差值；Δ（Ts20-Ts60）为Ts20-60与Ts60-100差值. ...
... SWS0-100的季节变异主要受SWS0-20和SWS20-60的影响，这主要与浅层和中层水分变化较为活跃，深层水分含量相对稳定有关［25］.SWS0-20受LE、Ta和LAI的综合影响［图4（a）］.LE对SWS0-20为负效应，表明LE是SWS0-20散失的主要途径［22-23］.Ta的负效应主要由于Ta可以表征大气蒸发需求，且与LE在季节变化上也具有显著的正相关［22］.LAI越大，植被蒸腾在LE中占比越高，系统可通过调节植被气孔行为控制水分散失［22］，加之高寒植被反照率较湿润裸地高，可以降低系统的辐射有效能及水分的过度消耗［23］，有利于浅层土壤水分保持.SWS20-60主要受SWS0-20的正效应影响，因为二者水分储量的季节变化具有一致性（R2=0.50，P<0.01）.由于SWS60-100的季节变异主要受控于生长季SWS60-100的变异，而后者与生长季Ts60-100显著正相关（R2=0.73，P<0.001），进而导致SWS60-100的季节变异与Ts60-100正相关，这也与相邻区域高寒灌丛草甸的研究结果一致［21］.降水对SWS0-100在8 d时间尺度上的季节变异无显著作用，一方面由于年降水的85%集中在植被生长季，且以小降水（<3.0 mm·d-1）事件为主，加之高原太阳辐射较强，极易被LE迅速消耗［21-22］.另一方面，强降水事件［（31.4 mm）·（48 h）-1］最多只能作用到高寒草甸40 cm的SWC［21，24］，也一定程度上削弱了降水对SWS0-100的影响强度. ...
Simulation on the soil water-thermal characteristics of the active layer in Tanggula range
6
2008
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... 本研究SHAW模型对高寒草甸土壤水热变化的模拟效果相对较好，与该模型在其他相关研究中表现（R2>0.70）较为一致［7，26，29］，表明SHAW模型适合于高寒草甸0~100 cm土壤水热传输的模拟，模拟结果能够用以评估土壤水分状况.然而，本研究SHAW模型对SWC的模拟效果略好于Ts的模拟效果，这与郭林茂等［8］研究结果不同.一方面，土壤水分参数的不确定性是陆面过程模型的重要限制之一［26，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
... ［26，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
... ［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
唐古拉地区活动层土壤水热特征的模拟研究
6
2008
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... 本研究SHAW模型对高寒草甸土壤水热变化的模拟效果相对较好，与该模型在其他相关研究中表现（R2>0.70）较为一致［7，26，29］，表明SHAW模型适合于高寒草甸0~100 cm土壤水热传输的模拟，模拟结果能够用以评估土壤水分状况.然而，本研究SHAW模型对SWC的模拟效果略好于Ts的模拟效果，这与郭林茂等［8］研究结果不同.一方面，土壤水分参数的不确定性是陆面过程模型的重要限制之一［26，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
... ［26，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
... ［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
Freezing and melting process of permafrost active layer near Wudaoliang in Qinghai-Tibet Plateau
6
2000
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SWF的实质是各种势能综合作用下的水分质量的转移，主要包括温度梯度驱动的未冻水迁移、重力作用下的自由水下渗和土壤毛细作用下的毛细水迁移［19］.生长季中，SWF主要驱动力是由降水、蒸散发等过程引起的土壤含水量增减而导致的土壤剖面基质势梯度的变化，土壤水迁移以自由水和毛细水为主［27］，降水对SWF的影响也随着土壤深度增加而下降［8］，本研究也发现SWF20-60和SWF60-100的变化主要来源于降水的间接作用［图4（b）］.这主要由于高寒草甸植物根系集中在浅层土壤中形成了一系列大孔隙网络，提高了土壤的导水率［12］.非生长季中，土壤与大气间的水气交换被冻结的表层土壤所阻隔，土壤水分迁移与冻土融冻导致的温度变化密切相关［10，27］，即温度梯度是SWF的主要影响因素［图4（b）］.一方面，冻结过程中，土壤水分在温度梯度的作用下向冻结峰汇集，土壤水分从深层向浅层聚集［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
... ，27］，即温度梯度是SWF的主要影响因素［图4（b）］.一方面，冻结过程中，土壤水分在温度梯度的作用下向冻结峰汇集，土壤水分从深层向浅层聚集［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
... ［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
青藏高原五道梁附近多年冻土活动层冻结和融化过程
6
2000
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SWF的实质是各种势能综合作用下的水分质量的转移，主要包括温度梯度驱动的未冻水迁移、重力作用下的自由水下渗和土壤毛细作用下的毛细水迁移［19］.生长季中，SWF主要驱动力是由降水、蒸散发等过程引起的土壤含水量增减而导致的土壤剖面基质势梯度的变化，土壤水迁移以自由水和毛细水为主［27］，降水对SWF的影响也随着土壤深度增加而下降［8］，本研究也发现SWF20-60和SWF60-100的变化主要来源于降水的间接作用［图4（b）］.这主要由于高寒草甸植物根系集中在浅层土壤中形成了一系列大孔隙网络，提高了土壤的导水率［12］.非生长季中，土壤与大气间的水气交换被冻结的表层土壤所阻隔，土壤水分迁移与冻土融冻导致的温度变化密切相关［10，27］，即温度梯度是SWF的主要影响因素［图4（b）］.一方面，冻结过程中，土壤水分在温度梯度的作用下向冻结峰汇集，土壤水分从深层向浅层聚集［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
... ，27］，即温度梯度是SWF的主要影响因素［图4（b）］.一方面，冻结过程中，土壤水分在温度梯度的作用下向冻结峰汇集，土壤水分从深层向浅层聚集［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
... ［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
Temporal variations of soil surface resistance to vapor transfer and its quantitative relationship between soil temperature and soil moisture during non-growing season on an alpine meadow
2
2017
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SWF的实质是各种势能综合作用下的水分质量的转移，主要包括温度梯度驱动的未冻水迁移、重力作用下的自由水下渗和土壤毛细作用下的毛细水迁移［19］.生长季中，SWF主要驱动力是由降水、蒸散发等过程引起的土壤含水量增减而导致的土壤剖面基质势梯度的变化，土壤水迁移以自由水和毛细水为主［27］，降水对SWF的影响也随着土壤深度增加而下降［8］，本研究也发现SWF20-60和SWF60-100的变化主要来源于降水的间接作用［图4（b）］.这主要由于高寒草甸植物根系集中在浅层土壤中形成了一系列大孔隙网络，提高了土壤的导水率［12］.非生长季中，土壤与大气间的水气交换被冻结的表层土壤所阻隔，土壤水分迁移与冻土融冻导致的温度变化密切相关［10，27］，即温度梯度是SWF的主要影响因素［图4（b）］.一方面，冻结过程中，土壤水分在温度梯度的作用下向冻结峰汇集，土壤水分从深层向浅层聚集［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
高寒草甸非生长季土壤表层水汽传输阻抗的变化特征和水热驱动
2
2017
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SWF的实质是各种势能综合作用下的水分质量的转移，主要包括温度梯度驱动的未冻水迁移、重力作用下的自由水下渗和土壤毛细作用下的毛细水迁移［19］.生长季中，SWF主要驱动力是由降水、蒸散发等过程引起的土壤含水量增减而导致的土壤剖面基质势梯度的变化，土壤水迁移以自由水和毛细水为主［27］，降水对SWF的影响也随着土壤深度增加而下降［8］，本研究也发现SWF20-60和SWF60-100的变化主要来源于降水的间接作用［图4（b）］.这主要由于高寒草甸植物根系集中在浅层土壤中形成了一系列大孔隙网络，提高了土壤的导水率［12］.非生长季中，土壤与大气间的水气交换被冻结的表层土壤所阻隔，土壤水分迁移与冻土融冻导致的温度变化密切相关［10，27］，即温度梯度是SWF的主要影响因素［图4（b）］.一方面，冻结过程中，土壤水分在温度梯度的作用下向冻结峰汇集，土壤水分从深层向浅层聚集［27］，从而导致了Δ（Ts20-60-Ts60-100）对SWF20-60和SWF60-100的负效应.消融过程中，由于季节冻土的双向消融，加之浅层融化速率较快［10，12］，在浅层土壤中形成一个水分的高值区，在温度梯度、重力势和基质势的综合作用下，土壤水分向下运移［10］，导致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）对SWF20-60和SWF60-100产生了正效应［图4（b）］.另一方面，温度是非生长季中土壤水分相变、未冻水含量及土水势的重要影响因素，还可通过改变土壤的导水率和水黏滞系数［28］来影响土壤水分通量. ...
Simulation of soil temperature and moisture in seasonally frozen ground of central Tibetan Plateau by SHAW model
8
2010
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... ，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... 利用统计学参数，如水热观测值与模拟值的决定系数（R2）、均方根误差（RMSE）和平均绝对误差（MAE）评价SHAW模型模拟效果［7，29］.在8 d时间尺度上，利用结构方程模型评估环境因子对0~100 cm土壤水分储量（SWS0-100）及水分通量（SWF0-100）的驱动过程及相对强度.结构方程模型是在对整体模型拟合和判断的基础上，阐释多因子之间相互关系的一种多元统计分析方法，在近年来的相关研究中应用广泛［23，33］.根据相关研究结果［25］，SWS0-100的主要影响因子包括气温（Ta）、降水（Rain）、蒸散发（LE）、LAI、SWS0-20、SWS20-60及土壤温度（Ts20-60）、SWS60-100及土壤温度（Ts60-100）；SWF0-100的主要影响因子包括Rain、Ta与浅层土壤的温度梯度［Δ（Ta-Ts0）］、浅层与中层土壤温度梯度［Δ（Ts0-Ts20）］、中层与深层土壤温度梯度［Δ（Ts20-Ts60）］、SWF0-20、SWF20-60及SWF60-100.基于结构方程模型中的标准作用系数和作用路径表征环境因子对SWS0-100和SWF0-100的相对强度和驱动过程.结构方程模型在R 4.0.3［34］平台上利用piecewiseSEM［35］软件包实现.缩写SWS0-20、SWS20-60、SWS60-100和SWS0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分储量；LAI为群落叶面积指数；Rain为降水量；Ta为气温；LE为蒸散发；Ts20-60为20~60 cm土壤温度；Ts60-100为60~100 cm土壤温度；SWF0-20、SWF20-60、SWF60-100和SWF0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分通量；Δ（Ta-Ts0）为Ta与Ts0-20差值；Δ（Ts0-20-Ts20-60）为Ts0-20与Ts20-60差值；Δ（Ts20-Ts60）为Ts20-60与Ts60-100差值. ...
... 本研究SHAW模型对高寒草甸土壤水热变化的模拟效果相对较好，与该模型在其他相关研究中表现（R2>0.70）较为一致［7，26，29］，表明SHAW模型适合于高寒草甸0~100 cm土壤水热传输的模拟，模拟结果能够用以评估土壤水分状况.然而，本研究SHAW模型对SWC的模拟效果略好于Ts的模拟效果，这与郭林茂等［8］研究结果不同.一方面，土壤水分参数的不确定性是陆面过程模型的重要限制之一［26，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
... ，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
... ［29］和唐古拉地区［7］的相关研究结论一致. ...
SHAW模式对青藏高原中部季节冻土区土壤温、湿度的模拟
8
2010
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... ，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
... 利用统计学参数，如水热观测值与模拟值的决定系数（R2）、均方根误差（RMSE）和平均绝对误差（MAE）评价SHAW模型模拟效果［7，29］.在8 d时间尺度上，利用结构方程模型评估环境因子对0~100 cm土壤水分储量（SWS0-100）及水分通量（SWF0-100）的驱动过程及相对强度.结构方程模型是在对整体模型拟合和判断的基础上，阐释多因子之间相互关系的一种多元统计分析方法，在近年来的相关研究中应用广泛［23，33］.根据相关研究结果［25］，SWS0-100的主要影响因子包括气温（Ta）、降水（Rain）、蒸散发（LE）、LAI、SWS0-20、SWS20-60及土壤温度（Ts20-60）、SWS60-100及土壤温度（Ts60-100）；SWF0-100的主要影响因子包括Rain、Ta与浅层土壤的温度梯度［Δ（Ta-Ts0）］、浅层与中层土壤温度梯度［Δ（Ts0-Ts20）］、中层与深层土壤温度梯度［Δ（Ts20-Ts60）］、SWF0-20、SWF20-60及SWF60-100.基于结构方程模型中的标准作用系数和作用路径表征环境因子对SWS0-100和SWF0-100的相对强度和驱动过程.结构方程模型在R 4.0.3［34］平台上利用piecewiseSEM［35］软件包实现.缩写SWS0-20、SWS20-60、SWS60-100和SWS0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分储量；LAI为群落叶面积指数；Rain为降水量；Ta为气温；LE为蒸散发；Ts20-60为20~60 cm土壤温度；Ts60-100为60~100 cm土壤温度；SWF0-20、SWF20-60、SWF60-100和SWF0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分通量；Δ（Ta-Ts0）为Ta与Ts0-20差值；Δ（Ts0-20-Ts20-60）为Ts0-20与Ts20-60差值；Δ（Ts20-Ts60）为Ts20-60与Ts60-100差值. ...
... 本研究SHAW模型对高寒草甸土壤水热变化的模拟效果相对较好，与该模型在其他相关研究中表现（R2>0.70）较为一致［7，26，29］，表明SHAW模型适合于高寒草甸0~100 cm土壤水热传输的模拟，模拟结果能够用以评估土壤水分状况.然而，本研究SHAW模型对SWC的模拟效果略好于Ts的模拟效果，这与郭林茂等［8］研究结果不同.一方面，土壤水分参数的不确定性是陆面过程模型的重要限制之一［26，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
... ，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
... ［29］和唐古拉地区［7］的相关研究结论一致. ...
Heat and water transfer processes on the typical underlying surfaces of frozen soil in cold regions（Ⅰ）： model comparison
3
2013
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
寒区典型下垫面冻土水热过程对比研究（Ⅰ）： 模型对比
3
2013
... 土壤水分储量及通量是土壤水势对水分运移的综合作用结果［2］，受到降水、蒸散发和土壤渗漏及冻融过程的强烈影响［20-21］.基于涡度相关技术的研究表明高寒草甸蒸散发的季节变异主要受辐射有效能控制，和降水量基本持平［22-23］.深层（100 cm）土壤渗漏量约相当于年降水的5%［24］.高寒草甸植被生长季土壤水分储量呈现出双峰型季节变化，密切关联于土壤温度［25-26］，与降水的关系存在时间尺度效应［12，21］.由于自动观测技术无法测定土壤中固态水含量，加之冻融过程的复杂性，冻融期土壤水分交换过程是目前高寒草地生态水文学研究的难点和热点之一［13，19］.由于冻土具有较高的导热性和较低的导水性［21，24］，在温度梯度及水分相变所导致的土壤水势变化的驱动下，土壤水分向冻结峰或融化峰汇聚［27］.同时，冻融期中土壤水势的温度效应十分显著［28］，土壤水热传输强烈耦合，进一步增加了高寒草甸土壤水分储量及通量对冻融过程响应研究的难度［19，27-29］.基于水热传输的模型模拟成为研究冻融期水热交换过程的重要手段［8，27，30］.相关研究表明，SHAW模型综合考虑了冻融期土壤水热物理传输过程，对冻融阶段土壤水分的模拟结果更接近于实际观测［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... ［30］，能够较好地模拟高寒草地土壤水热交换［8，26，29］.但早期研究多偏重于模型的评估和改进，少有应用模型探讨高寒草地土壤水分储量及通量的变化特征.因此，以祁连山东段冷龙岭南麓的高寒草甸为对象，在SHAW模型参数本地化的基础上，研究冻融期0~100 cm土壤水分储量及通量的季节变化特征和环境调控过程，以期为祁连山国家公园高寒草甸土壤水源涵养功能评估提供数据支撑和理论依据. ...
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
Thirty-year variations of above-ground net primary production and precipitation-use efficiency of an alpine meadow in the north-eastern Qinghai-Tibetan Plateau
2
2015
... 研究区位于青海海北高寒草地生态系统国家野外科学观测研究站（简称海北站，37°37′ N，101°19′ E，海拔3 200 m）.海北站地处青藏高原东北隅祁连山东支冷龙岭南麓，为典型的高原大陆性气候，年均气温和降水分别为-1.7 ℃和580 mm，雨热同季［31］.植被类型为禾草-矮嵩草草甸，优势种为矮生嵩草（Kobresia humilis）、垂穗披碱草（Elymus nutans）、异针茅（Stipa aliena）、麻花艽（Gentiana straminea）和黄花棘豆（Oxytropis ochrocephala）等.植被地上净初级生产力和0~40 cm地下根系现存量分别约为400 g·m-2和3 200 g·m-2，其中约90%的根系集中在0~20 cm土层中，形成草毡层［31］.土壤类型为高山草甸土，发育相对年轻，粗骨性强.由于地表草毡层具有较高的导水性和较低的导热性，土壤水热特性具有显著的垂向分层特异性［12］. ...
... ［31］.土壤类型为高山草甸土，发育相对年轻，粗骨性强.由于地表草毡层具有较高的导水性和较低的导热性，土壤水热特性具有显著的垂向分层特异性［12］. ...
1
2021
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
1
2021
... SHAW模型为Flerchinger和Saxton于1989年开发的一维水热耦合模型，该模型基于表面边界层的能量平衡原理及在土壤-植被-大气连续体中的水热物理传输过程，采用隐式有限差分公式表述土壤的水热交换，然后通过Newton-Raphson迭代求解［20］，已成为冻土区陆面过程研究的常用手段之一［8，26，29］.由于观测仪器无法测定土壤中固态水含量，只有生长季土壤体积含水量的观测值才能代表土壤全部含水量，方可满足SHAW模型初始和结束时段约束数据的模拟要求，因此本研究利用2017年8月1日至9月30日和2018年6月1日至7月31日的土壤水热观测数据作为模型的初始和结束数据，以2017年8月1日至2018年7月31日的逐时气象数据［气温、相对湿度、风速、降水、新雪密度（设定为0，模型依据气温计算）和太阳辐射］作为强迫资料，进行SHAW模型模拟研究.根据研究区特征，将坡度、坡向、地表粗糙度分别设置为0°、0°和1.0 cm.0~100 cm土壤被分为11层，分别为0、5、10、15、20、30、40、50、60、80 cm和100 cm，土壤水热参数设置详见表2.其中砂粒、粉粒、黏粒、有机质含量和容重等指标来自于站点的长期监测数据［32］，饱和导水率、空气进入势、饱和含水量和孔径指数首先根据文献资料设定初始值［8，29-30］，然后根据SHAW模型土壤水热的拟合值与观测值的接近程度进行参数优化.干土和植被反照率分别为0.35和0.25［22］.植被最小气孔阻抗设置为380 s·m-1［23］.由于是冬季牧场，没有考虑植被残留层，生长季的植被高度、地上生物量和LAI等参数来自观测数据，叶片宽度、丛生参数和有效根深则为经验值，分别设置为1.0、0.9 cm和45 cm.其余部分参数选取模型提供的建议值.采用SHAW 3.0.2（https：//www.ars.usda.gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）进行模拟研究.土壤水分储量（SWS）和水分通量（SWF）分别表示土壤中液态水与固态水的水分总量和液态水与气态水的累计交换量［20］，为参数优化后SHAW模型的输出结果.其中土壤固态水含量是土壤水势和温度的函数，通过设定冻结温度依据能量守恒计算而来.SWS0-100为0~100 cm土壤剖面SWS与土壤深度的积分，SWF0-100为土壤剖面SWF的累计值，以表征水分的交换强度［20］.依据高寒草甸植物根系和土壤水热分层特性，将0~20 cm、20~60 cm和60~100 cm依次划分为浅层、中层和深层土壤［25］，分别用0、5、10、15、20 cm和30、40、50、60 cm及80、100 cm的平均值表示浅层和中层及深层土壤温湿性状.浅层土壤水分储量（SWS0-20）、中层土壤水分储量（SWS20-60）和深层土壤水分储量（SWS60-100）分别是浅层、中层、深层土壤水分储量之和，浅层土壤水分通量（SWF0-20）、中层土壤水分通量（SWF20-60）及深层土壤水分通量（SWF60-100）分别浅层、中层、深层土壤的土壤水分通量之和. ...
Growth stage-dependant variability in water vapor and CO2 exchanges over a humid alpine shrubland on the northeastern Qinghai-Tibetan Plateau
1
2019
... 利用统计学参数，如水热观测值与模拟值的决定系数（R2）、均方根误差（RMSE）和平均绝对误差（MAE）评价SHAW模型模拟效果［7，29］.在8 d时间尺度上，利用结构方程模型评估环境因子对0~100 cm土壤水分储量（SWS0-100）及水分通量（SWF0-100）的驱动过程及相对强度.结构方程模型是在对整体模型拟合和判断的基础上，阐释多因子之间相互关系的一种多元统计分析方法，在近年来的相关研究中应用广泛［23，33］.根据相关研究结果［25］，SWS0-100的主要影响因子包括气温（Ta）、降水（Rain）、蒸散发（LE）、LAI、SWS0-20、SWS20-60及土壤温度（Ts20-60）、SWS60-100及土壤温度（Ts60-100）；SWF0-100的主要影响因子包括Rain、Ta与浅层土壤的温度梯度［Δ（Ta-Ts0）］、浅层与中层土壤温度梯度［Δ（Ts0-Ts20）］、中层与深层土壤温度梯度［Δ（Ts20-Ts60）］、SWF0-20、SWF20-60及SWF60-100.基于结构方程模型中的标准作用系数和作用路径表征环境因子对SWS0-100和SWF0-100的相对强度和驱动过程.结构方程模型在R 4.0.3［34］平台上利用piecewiseSEM［35］软件包实现.缩写SWS0-20、SWS20-60、SWS60-100和SWS0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分储量；LAI为群落叶面积指数；Rain为降水量；Ta为气温；LE为蒸散发；Ts20-60为20~60 cm土壤温度；Ts60-100为60~100 cm土壤温度；SWF0-20、SWF20-60、SWF60-100和SWF0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分通量；Δ（Ta-Ts0）为Ta与Ts0-20差值；Δ（Ts0-20-Ts20-60）为Ts0-20与Ts20-60差值；Δ（Ts20-Ts60）为Ts20-60与Ts60-100差值. ...
1
2006
... 利用统计学参数，如水热观测值与模拟值的决定系数（R2）、均方根误差（RMSE）和平均绝对误差（MAE）评价SHAW模型模拟效果［7，29］.在8 d时间尺度上，利用结构方程模型评估环境因子对0~100 cm土壤水分储量（SWS0-100）及水分通量（SWF0-100）的驱动过程及相对强度.结构方程模型是在对整体模型拟合和判断的基础上，阐释多因子之间相互关系的一种多元统计分析方法，在近年来的相关研究中应用广泛［23，33］.根据相关研究结果［25］，SWS0-100的主要影响因子包括气温（Ta）、降水（Rain）、蒸散发（LE）、LAI、SWS0-20、SWS20-60及土壤温度（Ts20-60）、SWS60-100及土壤温度（Ts60-100）；SWF0-100的主要影响因子包括Rain、Ta与浅层土壤的温度梯度［Δ（Ta-Ts0）］、浅层与中层土壤温度梯度［Δ（Ts0-Ts20）］、中层与深层土壤温度梯度［Δ（Ts20-Ts60）］、SWF0-20、SWF20-60及SWF60-100.基于结构方程模型中的标准作用系数和作用路径表征环境因子对SWS0-100和SWF0-100的相对强度和驱动过程.结构方程模型在R 4.0.3［34］平台上利用piecewiseSEM［35］软件包实现.缩写SWS0-20、SWS20-60、SWS60-100和SWS0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分储量；LAI为群落叶面积指数；Rain为降水量；Ta为气温；LE为蒸散发；Ts20-60为20~60 cm土壤温度；Ts60-100为60~100 cm土壤温度；SWF0-20、SWF20-60、SWF60-100和SWF0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分通量；Δ（Ta-Ts0）为Ta与Ts0-20差值；Δ（Ts0-20-Ts20-60）为Ts0-20与Ts20-60差值；Δ（Ts20-Ts60）为Ts20-60与Ts60-100差值. ...
piecewiseSEM： Piecewise structural equationmodelling in R for ecology， evolution， and systematics
1
2016
... 利用统计学参数，如水热观测值与模拟值的决定系数（R2）、均方根误差（RMSE）和平均绝对误差（MAE）评价SHAW模型模拟效果［7，29］.在8 d时间尺度上，利用结构方程模型评估环境因子对0~100 cm土壤水分储量（SWS0-100）及水分通量（SWF0-100）的驱动过程及相对强度.结构方程模型是在对整体模型拟合和判断的基础上，阐释多因子之间相互关系的一种多元统计分析方法，在近年来的相关研究中应用广泛［23，33］.根据相关研究结果［25］，SWS0-100的主要影响因子包括气温（Ta）、降水（Rain）、蒸散发（LE）、LAI、SWS0-20、SWS20-60及土壤温度（Ts20-60）、SWS60-100及土壤温度（Ts60-100）；SWF0-100的主要影响因子包括Rain、Ta与浅层土壤的温度梯度［Δ（Ta-Ts0）］、浅层与中层土壤温度梯度［Δ（Ts0-Ts20）］、中层与深层土壤温度梯度［Δ（Ts20-Ts60）］、SWF0-20、SWF20-60及SWF60-100.基于结构方程模型中的标准作用系数和作用路径表征环境因子对SWS0-100和SWF0-100的相对强度和驱动过程.结构方程模型在R 4.0.3［34］平台上利用piecewiseSEM［35］软件包实现.缩写SWS0-20、SWS20-60、SWS60-100和SWS0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分储量；LAI为群落叶面积指数；Rain为降水量；Ta为气温；LE为蒸散发；Ts20-60为20~60 cm土壤温度；Ts60-100为60~100 cm土壤温度；SWF0-20、SWF20-60、SWF60-100和SWF0-100分别是0~20、20~60、60~100 cm和0~100 cm土壤水分通量；Δ（Ta-Ts0）为Ta与Ts0-20差值；Δ（Ts0-20-Ts20-60）为Ts0-20与Ts20-60差值；Δ（Ts20-Ts60）为Ts20-60与Ts60-100差值. ...
Effect of soil temperature and volumetric moisture content on vegetation degeneration over the Achnatherum Splendens steppe around the Qinghai Lake， China
1
2013
... 本研究SHAW模型对高寒草甸土壤水热变化的模拟效果相对较好，与该模型在其他相关研究中表现（R2>0.70）较为一致［7，26，29］，表明SHAW模型适合于高寒草甸0~100 cm土壤水热传输的模拟，模拟结果能够用以评估土壤水分状况.然而，本研究SHAW模型对SWC的模拟效果略好于Ts的模拟效果，这与郭林茂等［8］研究结果不同.一方面，土壤水分参数的不确定性是陆面过程模型的重要限制之一［26，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
青海湖芨芨草干草原植被退化对土壤温湿特征的影响
1
2013
... 本研究SHAW模型对高寒草甸土壤水热变化的模拟效果相对较好，与该模型在其他相关研究中表现（R2>0.70）较为一致［7，26，29］，表明SHAW模型适合于高寒草甸0~100 cm土壤水热传输的模拟，模拟结果能够用以评估土壤水分状况.然而，本研究SHAW模型对SWC的模拟效果略好于Ts的模拟效果，这与郭林茂等［8］研究结果不同.一方面，土壤水分参数的不确定性是陆面过程模型的重要限制之一［26，29］，本研究的一部分土壤水分参数（如容重、机械组成和有机质）是基于地面实测数据而来，另一部分难以直接测定的参数（如孔径指数和空气进入势等）是通过降低模型模拟结果和观测数据之间的残差优化获取的，有效地提高了SHAW模型对SWC的模拟效果［7］.另一方面，Ts模拟效果略差主要是由于地表（0 cm）Ts是按照气象观测规范所测定的裸露地表Ts，并非有植被覆盖的真实地表Ts，尤其在植被生长季中二者的差异较大［36］.而SHAW模型是按照土壤节点顺序进行土壤水热模拟，在保障表层Ts模拟效果的基础上，对深层Ts进行线性插补［20］，导致深层Ts的模拟值与观测值差别较大，即Ts的模拟效果随着土壤深度增加而下降，这和唐古拉地区SHAW模型对土壤剖面Ts的模拟效果相似［26］.Ts的模拟误差也影响了地气温度梯度及显热通量的模拟效果，这与西藏那曲［29］和唐古拉地区［7］的相关研究结论一致. ...
甘公网安备 62010202000676号
