1 引言
土壤温湿度状况是陆面过程能水交换、 监测植被生长以及预测干旱灾害的重要变量。它们影响陆-气间水、 热、 碳交换， 调节显热和潜热的分配， 对大气和生态具有重要意义（Zhou et al， 2018； Li et al， 2019； Yang et al， 2019）。青藏高原的土壤温湿度变化不仅影响该区域的能量收支和土壤冻融循环， 对亚洲季风的演变以及中国大部分区域的夏季降水也存在深远影响（王澄海和尚大成， 2007； 沈丹和王磊， 2015）。国内外学者开展了许多大型野外实验和观测， 如全球能源与水循环实验-亚洲季风实验以及增强观测期季风项目（CAMP-Tibet）， 青藏高原观测与研究平台（TORP）， 几个不同区域的土壤温湿度观测网和青藏高原大气科学实验（QXPMEX， TIPEX和TIPEX-Ⅲ）（杨健和马耀明， 2012； Yang et al， 2013； Zheng et al， 2015b）， 为发展陆面模式提供了宝贵的资料。
陆面模式模拟是获取土壤温湿度数据的方法之一， 但当前陆面模式的参数化方案并不完全适用青藏高原。例如， Sun et al（2016）利用CLM4.0模式对青藏高原中部的土壤湿度进行了模拟， 模拟的结果无法再现土壤湿度在20~40 cm深度的季节变化特征。陈渤黎等（2014）利用CLM3.5模拟黄河源区土壤温度， 可获得较好的表层土壤温度结果， 但模拟的深层土壤温度季节变化与观测相比差异较大。武洁等（2020）利用陆面模式CLM4.5对青藏高原中东部地区的土壤湿度进行模拟， 发现模拟的结果无法再现土壤湿度的空间分布特征。罗斯琼等（2008）利用CoLM模拟了青藏高原那曲地区BJ站的土壤温湿度， 模拟的表层土壤温度廓线变化与观测相似， 但其深层土壤温度的模拟结果较差， 土壤湿度的模拟值相较于实测数据整体偏低。以高寒草甸为主的青藏高原中东部地区， 由于其独特的气象条件， 在表层土壤中储存了大量的有机质（Chen et al， 2012）。有机质会改变土壤水热性质， 从而影响温湿度廓线， 但当前的陆面模式未能充分考虑有机质含量对土壤水热传输的影响， 导致上述的温湿度模拟存在较大的偏差（Yang et al， 2005； Zheng et al， 2015a）。
近年来， 一些研究逐渐考虑在陆面模式中引入有机质对土壤水热参数的影响。比如Chen et al（2012）基于观测资料发展了有机质影响土壤孔隙度和导热率的方案； Zheng et al（2015a， 2015b）在Noah中引入考虑有机质影响的水热参数化方案， 显著改进了青藏高原东部玛曲地区土壤温湿度的模拟； 马琴等（2014）和Luo et al（2017）分别在CoLM和CLM4.5中引入了考虑有机质和砾石影响的土壤水热参数化方案， 改进了青藏高原藏东南站、 若尔盖站和玛多站的土壤温湿度模拟。然而， 大部分研究往往只针对单点验证， 对有机质含量如何影响温湿度廓线及其空间异质性缺乏系统性分析。虽然一些研究（罗斯琼等， 2009； Gao et al， 2014； Zhao et al， 2018； Yang and Wang， 2019； 张海宏等， 2020； 罗江鑫等， 2020； 杨成等， 2020）分析了青藏高原不同下垫面土壤温湿度的时空变化特征， 但主要从植被覆盖度、 土壤质地、 积雪和气候条件方面开展分析， 并没有分析有机质含量的影响。近年来， 一些研究基于地面观测分析了有机质含量对土壤温湿度空间分布的影响， 如Liu et al（2012）的研究指出青藏高原东北缘观测获取的0~20 cm深度的土壤水分与土壤有机质含量的空间分布具有相似性； Luo et al（2020）基于青藏高原那曲地区的观测发现0~5 cm深度的高土壤有机质含量区域的土壤水分含量也高； Alhassan et al（2018）的研究表明青藏高原东部观测获取的0~10 cm深度的土壤温度与土壤有机质含量的空间分布相反。上述研究主要分析土壤有机质含量对表层土壤温湿度空间分布的影响， 且较少关注土壤有机质含量对土壤温湿度季节变化的影响。因此， 理解相同气候条件下土壤有机质含量对土壤温湿度廓线及其时空变化的影响是评估陆面模式模拟青藏高原水热过程能力的基础。
本研究利用青藏高原中部那曲32个观测站在2012 -2014年暖季（5 -9月）的土壤温湿度观测以及相应站点的土壤有机碳含量资料， 探讨不同有机质含量下不同深度（5， 10， 20和40 cm）的土壤温湿度廓线特征及其空间差异。论文首先展示了有机质含量对土壤温湿度空间分布的影响， 然后以表层（5 cm）土壤有机质含量的高低进行分组， 探讨了土壤有机质含量对土壤温湿度廓线特征和土壤水热传输机制的影响， 最后分析了研究结果的不确定性。
2 研究区概况和数据介绍
本文使用的数据来自于那曲土壤温湿度观测网。该观测网位于青藏高原中部［图1 （a）］， 该观测网由56个观测点组成， 分布于以那曲市为中心方圆100 km的范围， 站点海拔介于4400~5000 m。该区域丘陵起伏、 坡度平缓， 5 cm深度的土壤类型以砂壤土和砂土为主， 黏土含量较低。图1 （b）显示了5 cm深度不同土壤有机质含量的观测点分布（仅展示使用的32个观测站）， 其中高有机质含量（有机碳含量为5%~20%）区域主要分布在东部， 中等有机质含量（有机碳含量为2.5%~5%）主要分布在西北部， 低有机质含量（有机碳含量为0~2.5%）主要分布在中部和西南部。该区域的下垫面主要为高寒草甸， 植被稀疏、 植株矮小。年降水量为400~500 mm， 其中降水量较高的区域主要分布在东部和西北部， 西南地区降水量较小。受南亚季风影响， 约占全年3/4的降水发生在6 -8月。
那曲温湿度观测网建于2010年7月到2012年6月， 观测网内每个观测点都包含4个EC-TM或5TM传感器， 每30 min记录5， 10， 20和40 cm的土壤水分和土壤温度。前期分别在每个观测点都采集了4个不同深度的土壤样本， 并通过室内实验获取了相应的土壤有机碳含量（m soc）、 砂土含量（%sand）、 黏土含量（%clay）和粉砂含量（%silt）。该观测网的更多详细信息可参考Yang et al（2013）。
考虑到那曲土壤温湿度观测网一些站点存在观测资料缺失或不连续的情况， 以及气象条件对土壤温湿度的影响较大， 本文选取了数据完整的32个观测站在4个不同深度的土壤温湿度观测资料［图1 （b）］， 时间段为2012 -2014年的暖季。此外， 同时收集了这32个站点4个不同深度的土壤有机碳含量、 黏土含量和砂土含量数据， 用于分析土壤有机质含量对土壤温湿度廓线及其空间分布的影响。
为了探讨不同深度土壤水分含量在2013年暖季随降水的变化特征， 本文进一步使用了中国区域高时空分辨率地面气象要素驱动数据集（He et al， 2020）中的降水产品， 该产品时间分辨率为每3 h， 空间分辨率为0.1°。
3 研究方法
首先利用相关分析法分析了土壤有机质含量与土壤温湿度的空间相关， 然后使用土壤温度的滞后信息评估有机质含量对土壤导热的影响， 最后通过对土壤水力及热力性质的估算进一步探索有机质含量对土壤温湿度廓线的影响。下面将对土壤温度滞后、 土壤水力及热力性质的估算作详细介绍。
3.1 土壤温度的滞后
采用暖季其他深度（10， 20和40 cm）日最高土壤温度较5 cm日最高土壤温度所对应的时间差作为土壤温度的相位差， 该温度相位差即为其他深度土壤温度的滞后时间。
3.2 土壤水力性质的估算
本文土壤水分特征曲线关系的计算采用Campbell（1974）发展的土壤水力参数化方案：
，
式中： ψ sat为饱和土壤水势（单位： m）； θ sat为土壤孔隙度（单位： m3·m-3）； b为土壤水分特征曲线形状参数； ψ为土壤水势（单位： m）； θ为土壤水分（单位： m3·m-3）。
上述土壤孔隙度θ sat、 土壤水分特征曲线形状参数b和饱和土壤水势ψ sat的估算主要参考Zheng et al（2015a）的参数化方案。Zheng et al（2015a）假设土壤由有机质和矿物质组成， 土壤孔隙度θ sat、 土壤水分特征曲线形状参数b和饱和土壤水势ψ sat的计算可采用：
式中： V soc表示土壤有机碳的体积占比； θ sat， min是矿质土的孔隙度（单位： m3·m-3）； θ sat， soc是有机质的孔隙度， 取值为0.83 m3·m-3； b min是矿质土的土壤水分特征曲线形状参数； b soc是有机质的土壤水分特征曲线形状参数， 取值为12； ψ sat， min是矿质土的饱和水势（单位： m）； ψ sat， soc是有机质的饱和水势， 取值为-0.0101 m。土壤有机碳的体积比V soc和矿质土的土壤水力参数（θ sat， min、 b min、 ψ sat， min）的计算可采用：
式中： ρ s， min是矿质土的颗粒密度， 取值为2700 kg·m-3； ρ b， soc是有机质的容重取值为130 kg·m-3， m soc是土壤有机碳含量（单位： kg·kg-1）； sand表示砂土含量（单位： %）； clay表示黏土含量（单位： %）。
3.3 土壤热力性质的估算
热惯量是用来表示物体影响土壤温度的变化程度， 被定义为：
式中： P表示热惯量（单位： J·m-2·K-1·s-1/2）； C s表示土壤的体积热容量（单位： J·m-3·K-1）； λ s表示土壤的热传导系数（单位： J·m-1·s-1·K-1）。
上述土壤体积热容量C s和土壤热传导系数λ s的估算主要参考Zheng et al（2015b）的参数化方案， 其中土壤体积热容量C s的表达式如下：
式中： C w 、 C air 、 C soc 、 C m分别表示水、 空气、 土壤有机质和矿物质的体积热容（单位： J·m-3·K-1）， 依次取值为4.2×106， 1005， 2.5×106和2.0×106 J·m-3·K-1； f soc表示固体有机质的体积占比； ρ s， soc为土壤有机质的颗粒密度， 取值为1300 kg·m-3。
土壤热传导系数λ s的计算可采用（Zheng et al， 2015b）：
式中： λ dry和λ sat分别表示干土和湿土的热导率（单位： J·m-1·s-1·K-1）； K e表示饱和度（Kersten et al， 1949）； ρ b为土壤容重（单位： kg·m-3）； λ soil为固体土壤的导热系数； λ w 、 λ soc 、 λ qtz 、 λ 0分别为水、 土壤有机质、 石英和其他土壤颗粒的导热系数， 依次取值为0.57、 0.25、 7.7和2.0 W·m-1·K-1； qtz表示石英的体积占比（=%sand/2）（Chen et al， 2012）。
4 结果分析
基于2010 -2018年那曲土壤温湿度观测网土壤水分的年际变化以及中国区域高时空分辨率地面气象要素驱动数据集（He et al， 2020）降水和短波辐射的变化分析， 研究发现2012年和2013年比较干旱、 太阳辐射强， 2014年较为湿润、 太阳辐射弱。我们的分析表明， 2012 -2014年土壤有机质含量对不同年份土壤温湿度廓线的影响类似。考虑到篇幅限制， 本文在结果部分主要展示了2013年暖季的结果， 但在讨论部分展示了不同年份土壤有机质含量与土壤温湿度廓线的空间相关分析结果。
4.1 土壤有机质含量对土壤温湿度空间分布的影响
对于0~20 cm的土壤， 土壤水分含量随着深度的增加逐渐减少， 高值区域主要分布在西北部和东部［图2 （b）， （e）， （h）］。对于40 cm土壤， 部分站点的土壤水分含量高于5 cm， 其中东部区域部分站点的土壤水分含量较低［图2 （k）］。总体来说， 土壤水分含量与土壤有机质含量的空间分布在5， 10和20 cm一致， 但在40 cm处不一致。表1 所示为不同深度土壤有机碳含量与平均土壤温湿度的空间相关， 土壤有机质含量对5 cm与10 cm深度的土壤水分的空间分布影响较大， 两者呈显著正相关， 但其与40 cm处的土壤水分含量的空间分布呈显著性负相关。
表1 不同深度2013年暖季土壤有机碳含量与平均土壤水分含量和土壤温度的空间相关分析Table 1 Spatial correlation coefficient of soil organic carbon content with soil moisture and soil temperature averaged over the warm season of 2013 |
| 深度 | 土壤有机碳含量与土壤 水分含量的相关系数 | 土壤有机碳含量与土壤 温度的相关系数 |
|---|---|---|
| 5 cm | 0.79** | -0.56** |
| 10 cm | 0.49* | -0.33 |
| 20 cm | 0.33 | -0.27 |
| 40 cm | -0.4** | -0.33 |
*表示通过显著性检验（p<0.05）， **表示通过极显著性检验（p<0.01） |
不同深度的土壤温度空间分布相似， 低值区域主要分布在西北部和东部（即有机质含量高的区域）， 20 cm和40 cm土壤温度略低于5 cm和10 cm［图2 （c）， （f）， （i）， （l）］。不同深度的土壤有机质含量与土壤温度的空间分布相反， 其中5 cm深度的土壤温度与土壤有机碳含量的空间分布呈显著性负相关关系（表1 ）。由此可见， 土壤有机质含量对5 cm、 10 cm的土壤水分和5 cm土壤温度的空间分布影响较大， 即土壤有机质含量是控制5 cm和10 cm土壤温湿度空间分布的关键因子。
4.2 土壤有机质含量对土壤水分廓线的影响
按照5 cm土壤有机质含量的高低， 将32个站点分为3组来进一步探讨土壤有机质含量对土壤温湿度廓线的影响， 其中11个站土壤有机质含量较低（5 cm土壤有机碳含量为0~2.5%）、 14个站土壤有机质含量中等（5 cm土壤有机碳含量为2.5%~5%）和7个站土壤有机质含量较高（5 cm土壤有机碳含量为5%~20%）［图1 （b）展示了三类观测点的空间分布］。图3 （a）显示了分组后不同深度的土壤有机碳含量的垂直分布。土壤有机质含量随着深度的增加逐渐减少， 5 cm土壤有机质含量高的分组， 对应的其他深度（10， 20和40 cm）的土壤有机质含量也高， 反之亦然。
图3 三个土壤有机碳含量分组实测的有机碳含量随土壤深度的变化（a）、 估算的孔隙度随土壤深度的变化（b）和2013年暖季5 cm深度土壤水分特征曲线（c）Fig.3 Variations of measured soil organic carbon content with depth （a）， variations of estimated porosity with depth （b） and soil water retention curve at 5 cm depth during the warm season of 2013 （c） for three groups of soil organic carbon content |
土壤孔隙度的大小主要取决于土壤砂土含量和有机质含量。土壤有机质含量高的区域， 孔隙度也大（图略）， 该结果与Chen et al（2012）和Luo et al（2020）中的结论一致。图3 （b）和图3 （c）分别显示了计算获取的不同分组土壤孔隙度随深度的变化和5 cm深度的土壤水分特征曲线， 图3 （c）中土壤吸力为土壤水势的负值（土壤水势计算方法详见3.2节）。结合图3 和图4 可知， 土壤有机质含量高的分组， 其土壤孔隙度也大［图3 （b）］， 土壤持水能力也强［图3 （c）］， 导致20 cm及以上各层的土壤水分含量也高［图4 （a）~（c）］。但在40 cm处， 土壤有机质含量高的分组并不必然对应高土壤水分含量［图4 （d）］， 这是由于随着土壤深度的增加， 土壤有机质含量逐渐减小， 在40 cm处， 各组的土壤有机质含量差异较小［图3 （a）］， 孔隙度差异也较小［图3 （b）］， 导致各组的土壤储水能力差异较小， 土壤含水量相近。因此， 对有机质含量高的区域， 土壤水分含量的垂直梯度较大； 5 cm土壤水分含量高， 并不必然导致40 cm的土壤水分含量高。这对于从卫星遥感和模型模拟角度理解青藏高原土壤水分廓线变化特征至关重要。此外， 同一深度不同土壤有机质含量的土壤水分在7月末到达峰值的时间并未存在明显的滞后现象（图4 ）。
4.3 土壤有机质含量对土壤温度廓线的影响
为理解有机质含量对土壤热传输过程的影响， 对分组后的每个站点的土壤温度数据进行处理， 获得了站点平均的暖季各月份的平均土壤温度日变化（图5 ）。在5 cm处， 日最高温大概出现在17:00（北京时， 下同）， 日最低温出现在09:00左右。土壤有机质含量高的分组， 其日变化振幅小［图5 （a）］。10 cm深度的土壤温度日变化特征与5 cm一致［图5 （b）］， 随着土壤有机质含量的增加， 其日变化振幅逐渐减小， 但日变化振幅的幅度远小于5 cm， 土壤的日最高温和最低温分别出现在19:00和10:00左右， 相较于5 cm存在滞后。20 cm深度土壤的日最高温和最低温分别出现在22:00和12:00左右［图5 （c）］， 相较于5 cm存在明显滞后。40 cm处日变化幅度很弱， 尤其是土壤有机质含量高的分组， 其日平均温度的变化曲线近似直线［图5 （d）］。
上述土壤温度的日变化特征主要与土壤有机质含量对热惯量的影响有关。图6 （a）显示了不同土壤分组热惯量（计算方法详见3.3节）随土壤深度增加的变化情况。5 cm土壤热惯量随着有机质含量的增加逐渐减少， 其他深度（10， 20和40 cm）的土壤热惯量随有机质含量的变化与5 cm一致， 但其热惯量较5 cm略高。由式（9） 可知， 土壤热惯量的大小主要取决于热传导率和热容量。图6 （a）和图6 （c）分别显示了不同土壤分组的土壤热导率和热容量随土壤深度增加的变化情况。由图6 和图4 可知， 高有机质含量导致高土壤水分含量， 因而其热容量也高［图6 （c）］。另一方面， 高有机质含量导致热传导率降低更快［图6 （b）］， 因而热惯量随有机质含量增加而降低， 10， 20和40 cm热惯量略高于5 cm［图6 （a）］。
由图5 可知， 10， 20和40 cm的土壤温度相位较5 cm存在明显的滞后现象， 图7 进一步展示了不同土壤有机碳含量分组暖季各月份10， 20和40 cm土壤温度相比5 cm的相位滞后（计算方法详见3.1节）。由图可知， 有机质含量越高， 土壤温度相位滞后越明显， 7 -9月的土壤温度滞后总体略低于5 -6月， 这是由于7 -9月为那曲地区的雨季， 土壤含水量较5 -6月更高［图4 （a）］， 导致热容量也更高［图6 （c）］， 热惯量增大， 所以滞后时间略小于5 -6月。
5 讨论
5.1 土壤有机质含量分组组内差异的影响
上文中根据5 cm土壤有机质含量的高低分组， 探讨了土壤有机质含量对土壤温湿度廓线的影响， 但各组存在站点数量不均且组内存在差异。为理解这种差异是否会改变上述土壤有机质含量对土壤温湿度廓线影响的结果， 图8 展示了5 cm高土壤有机质含量和低土壤有机质含量两个分组（详见4.2节）土壤温湿度廓线的平均值和标准差。由图8 可见， 当土壤有机质含量高， 其对应的整体土壤水分含量（如平均值和标准差）也高， 而其整体土壤温度较低， 土壤温度的日变化较小， 两个不同分组5 cm深度土壤温度和土壤水分的差异非常明显， 且在其他深度（10， 20和40 cm）也是相同的现象（图略）。因此， 虽然不同土壤分组存在组内差异， 但是该差异并没有改变上述土壤有机质含量与土壤温湿度廓线关系的分析结果。
图8 2013年暖季各月份不同土壤有机碳含量分组5 cm土壤水分含量（a）和土壤温度的平均日变化（b）虚线表示平均值， 阴影部分表示标准差 Fig.8 Variation of soil moisture （a） and average diurnal variation of soil temperature （b） in different months at 5 cm during the warm season of 2013.The dashed line is average value and the shaded part indicates standard deviation |
5.2 气象条件差异的影响
本节探讨气象条件差异是否会改变土壤有机质含量对土壤温湿度廓线影响的分析结果。考虑到2012年和2013年那曲地区降水偏少、 太阳辐射强， 2014年较为湿润、 太阳辐射弱， 表2 列出了不同深度土壤有机碳含量与2012 -2014年不同年份不同深度平均土壤温湿度的空间相关。从表2 中可以看出， 不同年份土壤有机质含量对土壤温湿度廓线的影响类似（即相关系数接近）， 5 cm和10 cm深度的土壤水分与土壤有机质含量的空间分布呈显著性正相关， 而5 cm深度的土壤温度与土壤有机质含量的空间分布呈显著负相关。由此可见， 虽然不同年份气象条件不同， 但是该差异对土壤有机质含量与土壤温湿度廓线的关系影响很小。
表2 2012 -2014年不同深度土壤有机碳含量与对应深度暖季平均土壤水分含量和土壤温度的空间相关系数Table 2 Spatial correlation coefficient of soil organic carbon content with soil moisture and soil temperature averaged over each warm season during 2012 -2014 |
| 深度 | 有机碳含量与土壤水分含量 | 有机碳含量与土壤温度 | |||||
|---|---|---|---|---|---|---|---|
| 2012年 | 2013年 | 2014年 | 2012年 | 2013年 | 2014年 | ||
| 5 cm | 0.79** | 0.79** | 0.83** | -0.58** | -0.56** | -0.58** | |
| 10 cm | 0.45** | 0.49** | 0.47** | -0.39 | -0.33 | -0.3 | |
| 20 cm | 0.29 | 0.33 | 0.28 | -0.35 | -0.27 | -0.23 | |
| 40 cm | -0.34 | -0.4* | -0.33 | -0.39 | -0.33 | -0.35 | |
*表示通过显著性检验（p<0.05）， **表示通过极显著性检验（p<0.01） |
6 结论
本文分析了青藏高原土壤有机质含量对土壤温湿度空间分布的影响， 以及土壤有机质含量对土壤水热传输过程的影响。主要结论如下：
（1） 土壤有机质含量是影响土壤温湿度空间分布的关键因子。其与5 cm和10 cm深度的土壤水分空间分布呈显著正相关， 与5 cm深度的土壤温度呈显著负相关。
（2） 土壤有机质含量显著影响20 cm及以上各层土壤水分的廓线特征及变化。土壤有机质含量越高， 土壤孔隙度越大， 持水能力越强， 导致20 cm及以上各层土壤水分含量整体偏高。然而， 随着土壤深度增加， 土壤有机质含量逐渐减小， 其对40 cm处土壤水分的影响显著减弱。
（3） 土壤有机质含量显著影响土壤温度的廓线特征。土壤有机质含量越高， 土壤热容量越大， 热传导系数越小， 热惯量越低， 土壤温度的日变化振幅越小， 热量向深层传输的相位滞后越明显， 深层土壤温度也越低。
综上， 本文通过使用相似气候环境下的高密度土壤温湿度观测数据， 发现土壤有机质含量对土壤温湿度空间分布、 廓线变化特征和水热传输起着重要的作用。这为进一步改进陆面模式在高寒草甸的温湿度模拟提供了重要参考。此外， 未来需要测量更多的土壤有机质数据， 结合卫星遥感获取青藏高原土壤有机质含量的空间分布， 以准确描述区域尺度上土壤有机质对水热性质的影响， 从而深入研究青藏高原区域尺度的土壤有机质含量对水热过程和地表通量的影响。