格爾木河流域土壤濕度時(shí)空變化及其影響因素研究

張 京，金曉媚，張緒財(cái)，朱曉倩

(中國地質(zhì)大學(xué)(北京)水資源與環(huán)境學(xué)院, 北京 100083)

土壤濕度是氣候、植被、地形及土壤因素等自然條件的綜合反應(yīng)，是地下水—地表水—大氣水循環(huán)系統(tǒng)的核心和紐帶，是干旱、半干旱地區(qū)生態(tài)系統(tǒng)和植被建設(shè)的基礎(chǔ)，對(duì)于維持干旱地區(qū)內(nèi)靠天然降水和地下水支撐的天然、人工植被的穩(wěn)定性具有重要作用。土壤濕度作為地表特征參數(shù)之一，對(duì)作物的生長具有決定性的作用，也是進(jìn)行土地退化、植被覆蓋及干旱等生態(tài)環(huán)境研究的重要指標(biāo)之一，是地下水資源評(píng)價(jià)的關(guān)鍵部分。區(qū)域尺度甚至全球范圍的土壤濕度反演是陸面過程模式研究中必不可少的參數(shù)，在改善區(qū)域及全球氣候、預(yù)測(cè)區(qū)域干濕情況研究中意義重大[1-2]。

土壤濕度的研究方法可分為傳統(tǒng)方法和遙感方法兩大類。傳統(tǒng)方法主要有重量水分法、土壤濕度計(jì)法、蒸滲法和電阻法等，但因?yàn)闃拥叵禂?shù)代表范圍有限，因而宏觀性不夠，數(shù)據(jù)得不到及時(shí)更新[3]。20世紀(jì)80年代，遙感監(jiān)測(cè)方法飛速發(fā)展，遙感監(jiān)測(cè)土壤水分克服了以上的缺陷，其具有快速、實(shí)時(shí)、長期、動(dòng)態(tài)和大區(qū)域監(jiān)測(cè)以及良好的時(shí)間、空間分辨率等優(yōu)點(diǎn)，大大提高了工作效率[4-5]。辛景峰[6]利用1981—1994年的NOAA/AVHRR數(shù)據(jù)，利用全國102個(gè)固定農(nóng)業(yè)觀測(cè)站20 cm的土壤濕度數(shù)據(jù)加以驗(yàn)證，研究得出土壤濕度與地表溫度/植被指數(shù)(Ts/NDVI)的定量關(guān)系。Doninck[7]等采用 Aqua 星和 Terra 星采集的交叉時(shí)相的MODIS數(shù)據(jù)改進(jìn)了表觀熱慣量模型中地表溫度的算法，對(duì)非洲南部地區(qū)進(jìn)行了土壤濕度的反演，結(jié)果接近NASA提供的基于AMSR-E數(shù)據(jù)的土壤濕度，可靠性較高。楊樹聰[8]設(shè)計(jì)實(shí)驗(yàn)研究表明在植被覆蓋率較低(NDVI<0.35)情況下，表觀熱慣量與土壤含水量之間相關(guān)性很高，相關(guān)系數(shù)大于0.7，而植被覆蓋較好(NDVI>0.35)的情況下，表觀熱慣量不再適用。吳黎[9]等嘗試用改進(jìn)的熱慣量模型計(jì)算不同植被覆蓋下、不同土壤含水量實(shí)驗(yàn)區(qū)的熱慣量值，并與實(shí)測(cè)土壤含水量進(jìn)行相關(guān)性分析，發(fā)現(xiàn)NDVI≤0.35時(shí)熱慣量方法反演的土壤含水量與實(shí)測(cè)土壤濕度值匹配度較高。

本文研究基于中等分辨率的MODIS遙感數(shù)據(jù)，利用表觀熱慣量(ATI)法反演得到格爾木河流域的土壤濕度時(shí)空分布特征，并分析了其影響因素，對(duì)當(dāng)?shù)氐纳鷳B(tài)環(huán)境保護(hù)及水資源評(píng)價(jià)具有重要的科學(xué)意義，也為該區(qū)地下水資源開發(fā)利用提供了合理依據(jù)。

1 研究區(qū)概況

格爾木河流域地處青海省柴達(dá)木盆地南緣中部，南倚昆侖山脈，北臨達(dá)布遜湖，平均海拔2 780 m,面積4 566 km2。該地區(qū)年均降水量42.7 mm，降雨集中在6、7、8三月，多年平均蒸發(fā)量1 495 mm，年均氣溫4.7 ℃，相對(duì)濕度32%。流域地理位置遙感圖見圖1。

圖1 格爾木河流域地理位置遙感圖Fig.1 Remote sensing map of the geographical location of the Golmud River Basin

格爾木地區(qū)具有典型的高原大陸性氣候特征，干旱、多風(fēng)少雨，蒸發(fā)強(qiáng)烈。流域內(nèi)格爾木河是柴達(dá)木盆地第二大內(nèi)陸河流，以地下水補(bǔ)給為主，補(bǔ)給量占年徑流量的65%以上，其余為冰雪融水和雨水，分別占年徑流量的22.76%和12.09%[10]。格爾木河上游為山區(qū)，主要為高寒干草原、高寒荒漠和高寒草地，其植物群落的生長發(fā)育主要依靠大氣降水和地表水滋補(bǔ)，基本不受地下水影響[11]，主要植被類型有沙蒿。河水出山后在山前戈壁帶大量入滲補(bǔ)給地下水，至細(xì)土帶地下水又大量溢出形成多條泉集河，此處土質(zhì)厚，水質(zhì)較好，生長有白刺、蘆葦、芨芨草等植被；至沖湖積平原區(qū)，土壤含鹽量增高，地下水質(zhì)變差，則主要生長紅柳、矮蘆葦?shù)群瞪望}植被；湖積平原主要為鹽沼地，除河岸兩帶有少量植被呈帶狀生長外，其余基本無植被生長。

格爾木河徑流年內(nèi)分配比較均勻，徑流年際變化較小，是一條水量變化小而穩(wěn)定的河流。終端的東達(dá)布遜湖則是格爾木河地表、地下水排匯中心。

2 數(shù)據(jù)選取與研究方法

2.1 數(shù)據(jù)選取與預(yù)處理

(1)MODIS數(shù)據(jù)。本次反演研究區(qū)土壤濕度選用的遙感數(shù)據(jù)是Aqua衛(wèi)星采集的中等分辨率MODIS數(shù)據(jù)，005數(shù)據(jù)集版本(2017、2018年為006數(shù)據(jù)集版本)，主要有MYD09A1(地表反射率產(chǎn)品、500 m空間分辨率)和MYD11A2(地表溫度產(chǎn)品、1 000 m空間分辨率)，時(shí)間分辨率均為8天，時(shí)間為2002—2018年每年6—9月，共計(jì)488景。數(shù)據(jù)來源于美國NASA網(wǎng)站(https://ladsweb.modaps.eosdis.nasa.gov/)。

為了研究數(shù)據(jù)的一致性，將所有數(shù)據(jù)在MRT軟件中進(jìn)行投影轉(zhuǎn)換，重采樣為500 m，地理坐標(biāo)系為WGS84，投影坐標(biāo)系為Geographic Lat/Lon，然后在ENVI 5.1軟件中進(jìn)行波段的計(jì)算和疊加處理。

(2)CLDAS數(shù)據(jù)?！癈LDAS”全稱中國氣象局陸面同化系統(tǒng)?！癈LDAS土壤體積含水量(m3·m-3)分析產(chǎn)品V2.0”為覆蓋亞洲區(qū)域(0°～65°N，60°～160°E)，逐小時(shí)、垂直分為5層(0～5、0～10、10～40、40～100、100～200 cm)，0.0625°×0.0625°空間分辨率的經(jīng)緯度網(wǎng)格土壤濕度產(chǎn)品。該數(shù)據(jù)集研制技術(shù)和精度與國際同類產(chǎn)品(如GLDAS、NLDAS產(chǎn)品)相當(dāng)，在中國區(qū)域質(zhì)量優(yōu)于國際同類產(chǎn)品，且時(shí)空分辨率更高。本次研究采用2017年6—9月CLDAS數(shù)據(jù)(共計(jì)20景)對(duì)MODIS數(shù)據(jù)反演的土壤濕度結(jié)果進(jìn)行驗(yàn)證。數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/)。首先需要在NetCDF4Excel中對(duì)CLDAS數(shù)據(jù)進(jìn)行讀取，然后在ArcGIS中進(jìn)行插值處理。

2.2 研究方法

(1)表觀熱慣量法

土壤熱慣量是度量土壤熱惰性大小的物理量。是土壤的熱學(xué)特性，表征了土壤阻止其自身溫度變化能力的大?。?/p>

(1)

式中：P——熱慣量；

K——土壤熱傳導(dǎo)率/(J·cm-1·s-1·K-1)；

ρ——土壤密度/(g·cm-3)；

c——土壤比熱容/(J·g-1·K-1)。

對(duì)于確定的土壤類型，土壤熱慣量隨土壤水分增加而增大。但由于常規(guī)土壤熱慣量的計(jì)算模型涉及很多物理參數(shù)，如表面粗糙度、空氣濕度、風(fēng)速等物理參數(shù)獲取及計(jì)算較為困難復(fù)雜，Price根據(jù)能量平衡原理提出表觀熱慣量進(jìn)而估算土壤含水量[17]。熱慣量簡化后的形式為：

(2)

式中：ATI——表觀熱慣量；

A——地表反照率；

Td、Tn——表示一天中最高、最低地表溫度。

地表反照率A的計(jì)算采用Liang S L提出的用寬波段反照率代替全波段反照率算法，α代表各波段地表反射率[18]，計(jì)算公式為：

A=0.16α1+0.291α2+0.243α3+0.116α4+

0.112α5+0.081α7-0.0015 (3)

表觀熱慣量的計(jì)算簡化了參數(shù)，式中一天中最高地溫Td、最低地溫Tn及計(jì)算地表反照率的各參數(shù)容易從遙感數(shù)據(jù)中獲得，計(jì)算較為簡單，經(jīng)過MRT預(yù)處理之后在ENVI5.1中進(jìn)行波段計(jì)算，比較容易推廣使用。

經(jīng)MODIS數(shù)據(jù)計(jì)算，多年來格爾木河流域地區(qū)年平均最高NDVI值為0.097(2016年)，年內(nèi)最高NDVI值為0.135(2014年8月)，且全區(qū)NDVI小于0.35的區(qū)域占全區(qū)的95.48%，屬于低植被干旱半干旱地區(qū)，所以本次研究采用表觀熱慣量法。

(2)Mann-Kendall趨勢(shì)檢驗(yàn)法[19-23]

采用Mann-Kendall方法度量研究區(qū)ATI變化趨勢(shì)的顯著性，其趨勢(shì)檢驗(yàn)法過程如下：

對(duì)于序列Xt=(x1,x2,…,xn)，?i,j≤n且i≠j，做如下假設(shè)：H0：序列中的數(shù)據(jù)隨機(jī)排列，即無顯著趨勢(shì);H1：序列存在上升或下降單調(diào)趨勢(shì)。定義統(tǒng)計(jì)量S：

(4)

當(dāng)n≥10 時(shí)，統(tǒng)計(jì)量S近似服從標(biāo)準(zhǔn)正態(tài)分布，使用檢驗(yàn)統(tǒng)計(jì)量Ζ進(jìn)行趨勢(shì)檢驗(yàn)，Ζ值由式(6)計(jì)算:

(6)

(3) Mann-Kendall法突變檢測(cè)[19-23]

采用Mann-Kendall方法度量研究區(qū)ATI變化過程中的突變點(diǎn)，其突變檢測(cè)過程如下：

給定序列為xn,xn-1,…,x1，Sk表示第i個(gè)樣本xi>xj(1≤j≤i≤n)的累計(jì)數(shù)，定義統(tǒng)計(jì)量：

(7)

(j=1,2,…,i;k=1,2,…,n)

在時(shí)間序列隨機(jī)獨(dú)立的假定下，Sk的均值和方差分別為：

E[Sk]=k(k-1)/4,

Var[Sk]=k(k-1)(2k+5)/72 ，1≤k≤n(8)

將Sk標(biāo)準(zhǔn)化：

(9)

UBk=-UFk,i′=n+1-ii,i′=1,2,…,n(10)

3 結(jié)果與分析

3.1 土壤濕度時(shí)空分布特征

計(jì)算表觀熱慣量ATI的MODIS數(shù)據(jù)時(shí)間分辨率為8天，每月3或4幅。首先在MRT中對(duì)MODIS數(shù)據(jù)進(jìn)行預(yù)處理，接下來在ENVI5.1中進(jìn)行波段疊加計(jì)算，統(tǒng)計(jì)分析，利用表觀熱慣量法計(jì)算日幅ATI空間分布圖像，并用每月內(nèi)多幅日值A(chǔ)TI影像均值作為月值A(chǔ)TI的反映。由于格爾木河流域地處柴達(dá)木盆地內(nèi)部，每年6—9月氣溫較高，其他月份氣溫較低，不適合用表觀熱慣量法計(jì)算，因此將每年6—9月份的平均ATI作為此地區(qū)年平均ATI值對(duì)土壤濕度進(jìn)行反演，得到格爾木河流域表觀熱慣量分布圖(圖2)，選取2003年、2008年、2013年、2016年圖為例。

圖2 格爾木河流域特征年份表觀熱慣量(ATI)空間分布圖Fig.2 Spatial distribution of the apparent thermal inertia (ATI) in characteristic years of the Golmud River Basin

表觀熱慣量在一定程度上能夠反應(yīng)土壤濕度的分布特征。一般來說，表觀熱慣量越大，土壤濕度越大。根據(jù)圖2可知，格爾木河流域大部分為荒漠區(qū)，ATI值比較低，在0.02～0.03之間；由于植被主要發(fā)育在研究區(qū)中南部，植被對(duì)土壤濕度有一定的響應(yīng)作用，所以在植被發(fā)育較好的地區(qū)ATI值相對(duì)較高。主要表現(xiàn)在以格爾木市為中心，西側(cè)的格爾木西農(nóng)場(chǎng)植被以耕地為主，主要種植枸杞、藜麥等農(nóng)作物，需水量較大，ATI值比較高，在0.035～0.045之間；在格爾木市東部主要發(fā)育蘆葦、芨芨草、沙蒿、紅柳等灌木種類，ATI值在0.03～0.04之間；研究區(qū)南部主要為荒漠，基本無植被發(fā)育，ATI值最小，在0.025左右；向北延伸，鹽漬化不斷加重，地表含鹽量不斷升高，最北部的察爾汗鹽湖，鹽場(chǎng)面積逐年擴(kuò)大，ATI值最高在0.05以上。

2002—2016年間，研究區(qū)年平均ATI值總體較小，土壤濕度有限，生態(tài)環(huán)境脆弱，值在0.020～0.030之間波動(dòng)，呈波動(dòng)上升趨勢(shì)(圖3)。

圖3 格爾木河流域2002—2016年ATI年際變化趨勢(shì)Fig.3 Interannual variation trend of ATI in the Golmud River Basin from 2002 to 2016

3.1.1Mann-Kendall趨勢(shì)檢驗(yàn)法

圖4 格爾木河流域2002—2016年ATI變化趨勢(shì)圖Fig.4 Variation trend of ATI in the Golmud River Basin from 2002 to 2016

經(jīng)過修正后，臨界值為-1.27和2.65。大于0的范圍表觀熱慣量呈上升趨勢(shì)，小于0的部分表觀熱慣量呈下降趨勢(shì)。由圖中可知，小于-1.27屬于顯著下降，主要分布在中部偏東的一小部分土壤鹽漬化較為嚴(yán)重地帶。大于2.65屬于顯著上升，主要集中在研究區(qū)北部鹽池以及格爾木市東西兩側(cè)農(nóng)田及人工防護(hù)林?？傮w來說，ATI上升范圍明顯大于下降范圍，研究區(qū)ATI總體呈上升趨勢(shì)。

表1 95%顯著性檢驗(yàn)參數(shù)Table 1 Parameters of 95% significance test

3.1.2Mann-Kendall法突變檢測(cè)

在Excel中實(shí)現(xiàn)Mann-Kendall法突變檢測(cè)，根據(jù)UFk和UBk曲線走勢(shì)，格爾木河流域的ATI在2006年以前呈下降趨勢(shì)，自2006年以后開始呈上升趨勢(shì)，且從2011年起這種上升趨勢(shì)越發(fā)顯著超過臨界水平，表明研究區(qū)年平均ATI上升的趨勢(shì)是十分顯著的。根據(jù)UFk和UBk曲線交點(diǎn)的位置，研究區(qū)年平均ATI在2008年開始突變(圖5)。突變檢驗(yàn)結(jié)果與圖3所示結(jié)果基本符合，證明研究結(jié)果具有一定的可靠性。

圖5 格爾木河流域ATI突變檢驗(yàn)曲線圖Fig.5 Mutation test curve of ATI in the Golmud River Basin

3.2 不同用地類型的表觀熱慣量分布

對(duì)2015年ATI空間分布圖按照北—南(AB)和西—東(CD)兩向分別進(jìn)行剖面提取(圖1)，分析同一剖面下不同用地類型的表觀熱慣量分布及關(guān)系(圖6)。表2通過提取不同用地類型，利用ArcGIS統(tǒng)計(jì)分析了單一用地類型的ATI平均值。

圖6 格爾木河流域不同用地類型的ATI變化Fig.6 ATI changes in different types of landuse in the Golmud River Basin

用地類型鹽池自然植被耕地、林地建筑用地河流、湖泊裸土ATI均值0.0880.0340.0330.0310.0300.028

通過圖6、表2分析可得，研究區(qū)最北部鹽池含水量最高，ATI均值最高，達(dá)到0.088；其次是自然植被(0.034)和耕林地(0.033)，均分布于格爾木市東西側(cè)周圍地帶；河流、湖泊分布較少且稀疏，ATI均值較植物略低，但由于存在混合像元并且近年來河道較干，所以在剖面圖中像元較少；中北部和南部荒漠裸土的ATI均值最低，為0.028。圖、表所得結(jié)果大致一致，證明計(jì)算結(jié)果具有一定的可靠性。

3.3 CLDAS土壤濕度產(chǎn)品驗(yàn)證

由于受CLDAS數(shù)據(jù)獲取時(shí)間的限制，采用2017年6-9月中的7月份MODIS數(shù)據(jù)和CLDAS數(shù)據(jù)進(jìn)行驗(yàn)證。用NetCDF4Excel獲取CLDAS土壤含水量數(shù)據(jù)，在ArcGIS中將ATI圖像重采樣為對(duì)應(yīng)的CLDAS產(chǎn)品像元分辨率大小0.0625°，以0.01步長進(jìn)行重分類；對(duì)CLDAS數(shù)據(jù)進(jìn)行插值分析，最后以表格顯示分區(qū)統(tǒng)計(jì)，得到ATI與CLDAS各層土壤含水量的相關(guān)性圖(圖7)。如圖所示，CLDAS土壤濕度數(shù)據(jù)各層之間分布趨勢(shì)一致，但10～40 cm、40～100 cm、100～200 cm層的土壤體積含水量比0～10 cm層的高。ATI與CLDAS各層土壤含水量數(shù)據(jù)擬合都較好，擬合度最高的是10～40 cm層，相關(guān)性系數(shù)達(dá)到0.85，說明MODIS數(shù)據(jù)反演研究區(qū)土壤濕度分布特征是可靠的。

圖7 ATI與CLDAS各層數(shù)據(jù)相關(guān)性分析Fig.7 Correlation analysis of each layer of ATI and CLDAS

3.4 野外實(shí)測(cè)土壤含水量數(shù)據(jù)驗(yàn)證

為了進(jìn)一步驗(yàn)證反演結(jié)果的可靠性，2018年8月進(jìn)行研究區(qū)野外實(shí)地?cái)?shù)據(jù)測(cè)量與采集(圖8)，所用儀器為ML3 Theta Probe 便攜式土壤濕度探頭配合HH2 讀數(shù)表，儀器基于FDR(Frequency Domain Reflectometry)頻域反射原理來測(cè)量土壤的表觀介電常數(shù)，從而得到土壤容積含水量，測(cè)量精度±1%。本次野外定點(diǎn)共55個(gè)，每個(gè)點(diǎn)在開挖剖面的10 cm、20 cm、30 cm層處不同方位分別進(jìn)行3次測(cè)量，并取平均值作為該點(diǎn)該層的土壤含水量值。

圖8 土壤濕度實(shí)測(cè)點(diǎn)位及野外路線圖Fig.8 Soil moisture measurement point and field road map

采用2018年8月MODIS遙感數(shù)據(jù)反演的結(jié)果與2018年8月野外實(shí)測(cè)不同深度平均土壤含水量數(shù)據(jù)進(jìn)行相關(guān)性分析(圖9)，兩者相關(guān)系數(shù)達(dá)到0.59，證明遙感反演土壤濕度結(jié)果具有一定可靠性。

圖9 反演土壤濕度與不同深度平均實(shí)測(cè)土壤濕度相關(guān)性分析Fig.9 Correlation analysis of inversion of soil moisture and average measured soil moisture at different depths

3.5 影響因素分析

3.5.1植被與土壤濕度的相關(guān)性

在干旱半干旱地區(qū)，植被對(duì)土壤濕度有一定的指示作用。植被可以涵養(yǎng)水源，改善干旱地區(qū)的生態(tài)環(huán)境；而土壤相對(duì)比較濕潤的地區(qū)又可以促進(jìn)植物的生長。圖10(a)是利用ENVI5.1計(jì)算得到的研究區(qū)2015年的植被指數(shù)(NDVI)空間分布圖，結(jié)合圖10(b)2015年的表觀熱慣量(ATI)空間分布圖，不計(jì)北部的鹽池，兩者空間分布具有一致性：NDVI值高的地區(qū)，ATI相對(duì)也高，植被長勢(shì)較好。

圖10 格爾木河流域2015年NDVI(a)與ATI(b)空間分布圖Fig.10 Spatial distribution of NDVI (a) and ATI (b) in 2015 in the Golmud River Basin

為了進(jìn)一步分析ATI與NDVI的定量關(guān)系，利用ArcGIS中的區(qū)域統(tǒng)計(jì)模塊，建立了ATI與NDVI(不包括水體)的相關(guān)性分析圖(圖11)。結(jié)果表明，2015年ATI與NDVI(不包括水體)兩者之間的相關(guān)性系數(shù)達(dá)到0.92，呈正相關(guān)，表明植被與土壤濕度有良好的相關(guān)性。

圖11 格爾木河流域2015年ATI與NDVI(不包括水體)相關(guān)性分析Fig.11 Correlation analysis between ATI and NDVI (excluding water bodies) in 2015 in the Golmud River Basin

3.5.2蒸發(fā)與土壤濕度的相關(guān)性

蒸發(fā)是水量平衡和地表能量平衡的主要組成部分。分析蒸發(fā)與土壤濕度的相關(guān)性對(duì)于當(dāng)?shù)氐乃Y源合理開發(fā)利用具有重要意義。圖12(a)是利用GLDAS數(shù)據(jù)通過SEBS模型[24]計(jì)算得到的格爾木河流域2016年的年蒸散發(fā)(ET)空間分布圖，結(jié)合圖12(b)2016年的表觀熱慣量(ATI)空間分布圖，發(fā)現(xiàn)兩者空間分布具有一致性，ET值高的地區(qū)，ATI相對(duì)也高，兩者具有良好的響應(yīng)關(guān)系。

圖12 格爾木河流域2016年ET(a)與ATI(b)空間分布圖Fig.12 Spatial distribution of ET(a) and ATI (b) in 2016 in the Golmud River Basin

進(jìn)一步分析ATI與ET的定量關(guān)系。從圖13(a)可知2002—2016年ET與ATI變化趨勢(shì)大致一致，呈上升趨勢(shì)；從圖13(b)可知，兩者的相關(guān)系數(shù)達(dá)到0.79，蒸散發(fā)和表觀熱慣量之間呈正相關(guān)。

圖13 格爾木河流域2002—2016年6—9月間ATI與ET相關(guān)性分析Fig.13 Correlation analysis of ATI and ET between June to Sepetember from 2002 to 2016 in the Golmud River Basin

4 結(jié)論

(1)2002—2016年間，研究區(qū)的ATI總體呈上升趨勢(shì)，并在2008年發(fā)生突變。

(2)研究區(qū)北部鹽池平均ATI值最高，為0.088；中部及南部大面積裸土平均ATI值最低，為0.028；自然植被與耕、林地平均ATI值分別為0.034和0.033。

(3)利用CLDAS土壤濕度產(chǎn)品和野外實(shí)測(cè)土壤含水量數(shù)據(jù)對(duì)MODIS數(shù)據(jù)反演結(jié)果進(jìn)行驗(yàn)證，相關(guān)系數(shù)分別為0.85和0.59，驗(yàn)證結(jié)果均證明了反演結(jié)果的可靠性。

(4)植被和蒸散發(fā)對(duì)土壤濕度都有積極的響應(yīng)作用，呈正相關(guān)，相關(guān)性系數(shù)分別為0.92、0.79。