基于SHAW模型的祁連山高寒草甸土壤水分儲量及通量的模擬研究

張法偉， 儀律北， 郭小偉， 楊永勝， 李杰霞， 曹廣民， 李英年

（1. 中國科學院 三江源國家公園研究院，青海 西寧 810008； 2. 中國科學院 西北高原生物研究所 高原生物適應與進化重點實驗室，青海 西寧 810008； 3. 青海省林業和草原局 林業碳匯服務中心，青海 西寧 810008）

0 引言

土壤水是土壤-植被-大氣連續體的主要組成，也是四水（地表水、地下水、大氣水和土壤水）轉換的紐帶及土壤系統內物質和能量交換的載體［1］，對區域水資源的形成、保持與轉換具有重要意義［2］。祁連山國家公園地處青藏高原東北部，總面積5.02萬km2，是河西走廊主要內陸河的發源地和黃河流域重要的水源產流地［3］。高寒草甸是祁連山國家公園青海片區重要的植被類型和區域水文調節功能發揮的載體［4-6］，頻繁發生的夏季融化、冬季凍結的凍融循環是其地表顯著的物理特征之一［7-8］。凍融過程導致土壤水熱特性的變化會直接影響到下墊面水源涵養功能的質量和狀況［9-10］，是高寒地區地表水循環的關鍵過程之一［11-12］，對植被群落演替及生態系統穩定性維持具有重要的影響［13-14］。因此，深入研究凍融過程對土壤水分儲量及交換的影響機制是量化高寒草甸水源涵養功能的基礎和認知區域土壤水分植被承載力的關鍵［15-17］，也是評估中下游的水資源安全的科學支撐［18-19］，具有重要的理論價值和現實意義。

土壤水分儲量及通量是土壤水勢對水分運移的綜合作用結果［2］，受到降水、蒸散發和土壤滲漏及凍融過程的強烈影響［20-21］?；跍u度相關技術的研究表明高寒草甸蒸散發的季節變異主要受輻射有效能控制，和降水量基本持平［22-23］。深層（100 cm）土壤滲漏量約相當于年降水的5%［24］。高寒草甸植被生長季土壤水分儲量呈現出雙峰型季節變化，密切關聯于土壤溫度［25-26］，與降水的關系存在時間尺度效應［12，21］。由于自動觀測技術無法測定土壤中固態水含量，加之凍融過程的復雜性，凍融期土壤水分交換過程是目前高寒草地生態水文學研究的難點和熱點之一［13，19］。由于凍土具有較高的導熱性和較低的導水性［21，24］，在溫度梯度及水分相變所導致的土壤水勢變化的驅動下，土壤水分向凍結峰或融化峰匯聚［27］。同時，凍融期中土壤水勢的溫度效應十分顯著［28］，土壤水熱傳輸強烈耦合，進一步增加了高寒草甸土壤水分儲量及通量對凍融過程響應研究的難度［19，27-29］?；谒疅醾鬏數哪Ｐ湍M成為研究凍融期水熱交換過程的重要手段［8，27，30］。相關研究表明，SHAW 模型綜合考慮了凍融期土壤水熱物理傳輸過程，對凍融階段土壤水分的模擬結果更接近于實際觀測［30］，能夠較好地模擬高寒草地土壤水熱交換［8，26，29］。但早期研究多偏重于模型的評估和改進，少有應用模型探討高寒草地土壤水分儲量及通量的變化特征。因此，以祁連山東段冷龍嶺南麓的高寒草甸為對象，在SHAW 模型參數本地化的基礎上，研究凍融期0～100 cm 土壤水分儲量及通量的季節變化特征和環境調控過程，以期為祁連山國家公園高寒草甸土壤水源涵養功能評估提供數據支撐和理論依據。

1 數據與方法

1.1 研究區域和數據來源

研究區位于青海海北高寒草地生態系統國家野外科學觀測研究站（簡稱海北站，37°37′ N，101°19′ E，海拔3 200 m）。海北站地處青藏高原東北隅祁連山東支冷龍嶺南麓，為典型的高原大陸性氣候，年均氣溫和降水分別為-1.7 ℃和580 mm，雨熱同季［31］。植被類型為禾草-矮嵩草草甸，優勢種為矮生嵩草（Kobresia humilis）、垂穗披堿草（Elymus nutans）、異針茅（Stipa aliena）、麻花艽（Gentiana straminea）和黃花棘豆（Oxytropis ochrocephala）等。植被地上凈初級生產力和0～40 cm 地下根系現存量分別約為400 g·m-2和3 200 g·m-2，其中約90% 的根系集中在0～20 cm 土層中，形成草氈層［31］。土壤類型為高山草甸土，發育相對年輕，粗骨性強。由于地表草氈層具有較高的導水性和較低的導熱性，土壤水熱特性具有顯著的垂向分層特異性［12］。

研究區地勢平緩開闊，系統水熱狀況由相關儀器自動監測（表1）。土壤水熱數據觀測頻率為30 min（CR800，Campbell，美國）。同時，基于渦度相關技術對下墊面與大氣間的水熱交換進行連續觀測。渦度相關系統距離土壤水熱觀測點約100 m，采樣頻率為10 Hz。利用EddyPro 7.06（Li-Cor，美國）對10 Hz 高頻數據進行二次坐標選擇、除趨勢和WPL 密度校正，輸出潛熱通量、顯熱通量、風速、風向及空氣溫濕等30 min平均值。同時利用CM11觀測1.5 m 高度處的太陽短波輻射。群落葉面積指數（LAI）來源于MODIS 發布的陸地植被產品（MOD15A2）。LAI以通量塔為中心，空間和時間分辨率分別為250 m×250 m 和8 d，來自于美國橡樹嶺國家實驗室的分布式主動存檔中心（Distributed Active Archive Center，Oak Ridge National Laboratory，http：//daac. ornl. gov/MODIS/modis. html），用于提供SHAW 模型中植被生長的LAI 信息。土壤水熱、潛熱通量、顯熱通量及其他氣象因子也集成為8 d的時間序列以進行后續分析。

表1 研究區系統水熱狀況的觀測信息Table 1 The observation information of hydrothermal feature in the study site

1.2 模型介紹和參數率定

SHAW 模型為Flerchinger 和Saxton 于1989 年開發的一維水熱耦合模型，該模型基于表面邊界層的能量平衡原理及在土壤-植被-大氣連續體中的水熱物理傳輸過程，采用隱式有限差分公式表述土壤的水熱交換，然后通過Newton-Raphson 迭代求解［20］，已成為凍土區陸面過程研究的常用手段之一［8，26，29］。由于觀測儀器無法測定土壤中固態水含量，只有生長季土壤體積含水量的觀測值才能代表土壤全部含水量，方可滿足SHAW 模型初始和結束時段約束數據的模擬要求，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 日的土壤水熱觀測數據作為模型的初始和結束數據，以2017 年8 月1 日至2018 年7 月31 日的逐時氣象數據［氣溫、相對濕度、風速、降水、新雪密度（設定為0，模型依據氣溫計算）和太陽輻射］作為強迫資料，進行SHAW 模型模擬研究。根據研究區特征，將坡度、坡向、地表粗糙度分別設置為0°、0°和1.0 cm。0～100 cm 土壤被分為11 層，分別為0、5、10、15、20、30、40、50、60、80 cm 和100 cm，土壤水熱參數設置詳見表2。其中砂粒、粉粒、黏粒、有機質含量和容重等指標來自于站點的長期監測數據［32］，飽和導水率、空氣進入勢、飽和含水量和孔徑指數首先根據文獻資料設定初始值［8，29-30］，然后根據SHAW 模型土壤水熱的擬合值與觀測值的接近程度進行參數優化。干土和植被反照率分別為0.35和0.25［22］。植被最小氣孔阻抗設置為380 s·m-1［23］。由于是冬季牧場，沒有考慮植被殘留層，生長季的植被高度、地上生物量和LAI等參數來自觀測數據，葉片寬度、叢生參數和有效根深則為經驗值，分別設置為1.0、0.9 cm 和45 cm。其余部分參數選取模型提供的建議值。采用SHAW 3.0.2（https：//www. ars. usda. gov/pacific-west-area/boise-id/northwest-watershed-research-center/docs/shaw-model/）進行模擬研究。土壤水分儲量（SWS）和水分通量（SWF）分別表示土壤中液態水與固態水的水分總量和液態水與氣態水的累計交換量［20］，為參數優化后SHAW 模型的輸出結果。其中土壤固態水含量是土壤水勢和溫度的函數，通過設定凍結溫度依據能量守恒計算而來。SWS0-100為0～100 cm 土壤剖面SWS 與土壤深度的積分，SWF0-100為土壤剖面SWF的累計值，以表征水分的交換強度［20］。依據高寒草甸植物根系和土壤水熱分層特性，將0～20 cm、20～60 cm和60～100 cm依次劃分為淺層、中層和深層土壤［25］，分別用0、5、10、15、20 cm 和30、40、50、60 cm及80、100 cm 的平均值表示淺層和中層及深層土壤溫濕性狀。淺層土壤水分儲量（SWS0-20）、中層土壤水分儲量（SWS20-60）和深層土壤水分儲量（SWS60-100）分別是淺層、中層、深層土壤水分儲量之和，淺層土壤水分通量（SWF0-20）、中層土壤水分通量（SWF20-60）及深層土壤水分通量（SWF60-100）分別淺層、中層、深層土壤的土壤水分通量之和。

表2 SHAW模型各層土壤節點參數Table 2 The soil parameters of the SHAW model at different soil nodes

1.3 模型評估和統計方法

利用統計學參數，如水熱觀測值與模擬值的決定系數（R2）、均方根誤差（RMSE）和平均絕對誤差（MAE）評價SHAW模型模擬效果［7，29］。在8 d時間尺度上，利用結構方程模型評估環境因子對0～100 cm土壤水分儲量（SWS0-100）及水分通量（SWF0-100）的驅動過程及相對強度。結構方程模型是在對整體模型擬合和判斷的基礎上，闡釋多因子之間相互關系的一種多元統計分析方法，在近年來的相關研究中應用廣泛［23，33］。根據相關研究結果［25］，SWS0-100的主要影響因子包括氣溫（Ta）、降水（Rain）、蒸散發（LE）、LAI、SWS0-20、SWS20-60及土壤溫度（Ts20-60）、SWS60-100及土壤溫度（Ts60-100）；SWF0-100的主要影響因子包括Rain、Ta與淺層土壤的溫度梯度［Δ（Ta-Ts0）］、淺層與中層土壤溫度梯度［Δ（Ts0-Ts20）］、中層與深層土壤溫度梯度［Δ（Ts20-Ts60）］、SWF0-20、SWF20-60及SWF60-100?；诮Y構方程模型中的標準作用系數和作用路徑表征環境因子對SWS0-100和SWF0-100的相對強度和驅動過程。結構方程模型在R 4.0.3［34］平臺上利用piecewiseSEM［35］軟件包實現?？s寫SWS0-20、SWS20-60、SWS60-100和SWS0-100分別是0～20、20～60、60～100 cm 和0～100 cm 土壤水分儲量；LAI為群落葉面積指數；Rain 為降水量；Ta為氣溫；LE 為蒸散發；Ts20-60為20～60 cm 土壤溫度；Ts60-100為60～100 cm 土壤溫度；SWF0-20、SWF20-60、SWF60-100和SWF0-100分別是0～20、20～60、60～100 cm 和0～100 cm土壤水分通量；Δ（Ta-Ts0）為Ta與Ts0-20差值；Δ（Ts0-20-Ts20-60）為Ts0-20與Ts20-60差值；Δ（Ts20-Ts60）為Ts20-60與Ts60-100差值。

2 結果與分析

2.1 強迫資料概況

研究時段的日均Ta和累計Rain分別為-1.30 ℃和494.4 mm。日均太陽短波輻射（Swin）和相對空氣濕度（RH）分別為194.24 W·m-2和63.6%，均表現出植被生長季（5—10 月）較高而非生長季（11月—翌年4 月）較低的季節動態（圖1）。淺層、中層和深層的日均Ts分別為2.85、2.61 ℃和2.38 ℃，Ts表現出隨土壤深度（x）增加而指數下降的特征（Ts=3.76×（1-x）-0.10，R2=0.63，P＜0.01）。淺層、中層和深層的日均土壤液態水含量（SWC）分別為0.22、0.25和0.17 cm3·cm-3，除在15 cm［（0.15±0.08） cm3·cm-3］和100 cm ［（0.09±0.03） cm3·cm-3］處較低外，其余各層穩定在0.22～0.27 cm3·cm-3之間。Ts和SWC的變異系數（CV）分別平均為40.1%和200.0%，均隨著土壤深度增加而指數下降（R2＞0.79，P＜0.001）。值得說明的是，相鄰深度的Ts和SWC的相關系數均大于0.95，表明土壤水熱具有顯著的層次相關性。

圖1 2017年8月1日—2018年7月31日空氣溫度和降水（a）、相對濕度和太陽短波輻射（b）、土壤體積含水量（c）和土壤溫度（d）的季節特征Fig. 1 Seasonal variations of air temperature （Ta） and precipitation （Rain） （a）， relative humidity （RH） and solar radiation（Swin） （b）， volumetric soil water content （SWC） （c）， and soil temperature （Ts） （d） from August 1， 2017 to July 31， 2018

2.2 SHAW模型效果評價

逐日SWC 和逐日Ts的模擬值和實測值的對比結果表明，模型對SWC 的模擬效果較好，R2在0.80以上，RMSE 和MAE 分別小于0.05 cm3·cm-3和0.03 cm3·cm-3（表3）。模型對Ts的模擬效果隨土壤深度增加而降低，R2平均為0.71，RMSE 和MAE 分別平均為2.78 ℃和2.11 ℃。SHAW 模型模擬的日均顯熱通量和潛熱通量分別為（29.8±17.3） W·m-2和（45.2±42.9） W·m-2，較渦度相關技術觀測值分別高約4.2%和1.3%。模型對潛熱通量的模擬效果好于顯熱通量，R2分別為0.81 和0.14（圖2），RMSE分別為18.67 W·m-2和15.97 W·m-2。

圖2 熱量通量的渦度相關技術觀測值與SHAW模型模擬值的關系：潛熱通量（a），顯熱通量（b）Fig. 2 Relationships between the simulated heat flux with SHAW model and the observed heat flux with eddy covariance techniques： Latet heat flux （a）， sensible heat flux （b）

表3 SHAW模型對各節點土壤溫度和土壤水分的模擬效果的統計參數Table 3 Statistical parameters of the simulation performance of the estimated soil temperature and volumetric soil water content at each node with the SHAW model

2.3 土壤水分儲量的季節特征及環境影響

日均SWS0-100為（274.99±19.57） mm，表現出生長季低（264.51 mm）而非生長季高（286.42 mm）的季節特征，最低值（224.20 mm）和最高值（298.67 mm）分別出現在6 月初和1 月初（圖3），變異系數（CV）為7.1%。日均SWS0-20和SWS20-60分別為（59.39±9.07） mm 和（134.25±12.37） mm，也表現出生長季低而非生長季高的趨勢。SWS60-100平均為（81.35±5.72） mm，但表現出生長季高（84.22 mm）而非生長季低（78.22 mm）的特征。SWS0-20、SWS20-60和SWS60-100的CV 分別為15.3%、9.2%和7.0%，隨土壤深度增加而降低。SWS0-20和SWS20-60的CV 在生長季和非生長季差別較小，分別平均為10.1%和7.4%，但生長季SWS60-100的CV 為7.3%，遠高于非生長季的3.8%。

圖3 高寒草甸不同層次土壤水分儲量的季節變化Fig. 3 Seasonal variations of soil water storage of different layers in the alpine meadow

SWS0-100的結構方程模型表明，其季節變異主要受SWS20-60和SWS0-20調控，其標準作用系數分別為0.63 和0.46［圖4（a）］，二者可解釋SWS0-100季節變異的91.4%。SWS0-20與LAI 正相關，與Ta和LE 負相關，但LAI、Ta和LE 的作用強度基本相當。SWS20-60主要受SWS0-20、Ta和Ts20-60顯著影響，其中Ta的正效應（0.80）大于Ts20-60的負效應（-0.66）。Ts60-100和SWS20-60為SWS60-100的主要影響因素，其中Ts60-100正效應的標準作用系數為0.93，遠大于SWS20-60的正效應。整體上看，LE 和LAI 對SWS0-100的綜合效應最大，分別為-0.67 和0.59，LE 主要通過對SWS0-20（-0.29）和SWS20-60（-0.38）的負效應而LAI 則通過對SWS0-20（0.25）和SWS20-60的正效應（0.34）影響SWS0-100。Ta對SWS0-100的整體效應為-0.12。值得注意的是，在8 d 時間尺度上，研究時段內降水對SWS的季節變異無顯著影響。

圖4 高寒草甸土壤水分儲量（a）和土壤水分通量（b）的結構方程模型Fig. 4 Piecewise SEM models for soil water storage （SWS） （a） and soil water flux （SWF） （b） in the alpine meadow

2.4 土壤水分通量的季節特征及環境調控

日均SWF0-20、SWF20-60和SWF60-100分別為（0.92±4.88）、（-0.34±4.09） mm·d-1和（-0.19±1.81） mm·d-1，都表現出生長季水分通量為正而非生長季為負的季節特征，即土壤水分在生長季向下運移，非生長季向上匯聚（圖5）。生長季中，SWF0-20（2.85±5.88 mm·d-1）遠高于SWF20-60（0.48±5.08 mm·d-1）和SWF60-100（0.30±4.34 mm·d-1）。非生長季中，SWF0-20、SWF20-60和SWF60-100差異較小，分別為（-1.18±2.10）、（-1.24±2.44） mm·d-1和（-0.73±2.24） mm·d-1，三者平均為（-1.05±2.26） mm·d-1。凍結期各層土壤水分通量基本為0 mm·d-1，但不同層次存在時間滯后，滯后速率約為0.56 d·cm-1。日均SWF0-100為（0.16±9.52） mm·d-1，在生長季和非生長季中分別為（3.27±11.74） mm·d-1和（-3.23±4.50） mm·d-1。

圖5 高寒草甸不同層次土壤水分通量的季節變化Fig. 5 Seasonal variations of soil water flux of different layers in the alpine meadow

SWF0-100的結構方程模型表明，SWF0-20、SWF2060-和SWF60-100對SWF0-100的標準作用系數分別為0.43、0.36 和0.32，三者作用強度基本相當［圖4（b）］。SWF0-20對SWF20-60、SWF20-60對SWF60-100具有顯著的正效應。SWF0-20的季節變異主要受Rain驅動，其標準作用系數高達0.95。SWF20-60主要受淺層和深層溫度梯度影響，二者標準作用系數分別為0.56 和-0.46。SWF60-100主要受中層、深層土壤溫度梯度影響，二者標準作用系數分別為0.62 和-0.40。降水對SWF0-100的總體作用系數為0.99，主要通過對SWF0-20（0.40）和SWF20-60（0.35）的間接效應來影響SWF0-100。淺層、中層和深層溫度梯度的標準作用系數分別為0.38、0.20和-0.44。即SWF0-100季節變異的主要影響因子是降水，其次是深層土壤溫度梯度。

3 討論

3.1 SHAW模型模擬效果評價

本研究SHAW 模型對高寒草甸土壤水熱變化的模擬效果相對較好，與該模型在其他相關研究中表現（R2＞0.70）較為一致［7，26，29］，表明SHAW 模型適合于高寒草甸0～100 cm 土壤水熱傳輸的模擬，模擬結果能夠用以評估土壤水分狀況。然而，本研究SHAW 模型對SWC 的模擬效果略好于Ts的模擬效果，這與郭林茂等［8］研究結果不同。一方面，土壤水分參數的不確定性是陸面過程模型的重要限制之一［26，29］，本研究的一部分土壤水分參數（如容重、機械組成和有機質）是基于地面實測數據而來，另一部分難以直接測定的參數（如孔徑指數和空氣進入勢等）是通過降低模型模擬結果和觀測數據之間的殘差優化獲取的，有效地提高了SHAW 模型對SWC 的模擬效果［7］。另一方面，Ts模擬效果略差主要是由于地表（0 cm）Ts是按照氣象觀測規范所測定的裸露地表Ts，并非有植被覆蓋的真實地表Ts，尤其在植被生長季中二者的差異較大［36］。而SHAW 模型是按照土壤節點順序進行土壤水熱模擬，在保障表層Ts模擬效果的基礎上，對深層Ts進行線性插補［20］，導致深層Ts的模擬值與觀測值差別較大，即Ts的模擬效果隨著土壤深度增加而下降，這和唐古拉地區SHAW 模型對土壤剖面Ts的模擬效果相似［26］。Ts的模擬誤差也影響了地氣溫度梯度及顯熱通量的模擬效果，這與西藏那曲［29］和唐古拉地區［7］的相關研究結論一致。

3.2 土壤水分儲量

由于研究區100 cm 下土壤滲漏量很少［24］，SWS0-100主要取決于Rain 和LE 的平衡。SWS0-100在生長季低而非生長季較高，表明土壤凍結有利于土壤系統水分的保持［10，19］，這由于凍土具有較高的隔水特性，限制了非生長季LE 的過度損失［8］，加之凍結過程對下層土壤水分具有匯聚作用［12］。因為研究區在6 月初的太陽輻射較強而LAI 較?。?2］，系統獲取的輻射有效能較大，加之凍土消融提高了表層土壤水分含量，刺激了LE 的迅速增加［23］，導致SWS0-100出現低值。

SWS0-100的季節變異主要受SWS0-20和SWS20-60的影響，這主要與淺層和中層水分變化較為活躍，深層水分含量相對穩定有關［25］。SWS0-20受LE、Ta和LAI 的綜合影響［圖4（a）］。LE 對SWS0-20為負效應，表明LE是SWS0-20散失的主要途徑［22-23］。Ta的負效應主要由于Ta可以表征大氣蒸發需求，且與LE在季節變化上也具有顯著的正相關［22］。LAI 越大，植被蒸騰在LE 中占比越高，系統可通過調節植被氣孔行為控制水分散失［22］，加之高寒植被反照率較濕潤裸地高，可以降低系統的輻射有效能及水分的過度消耗［23］，有利于淺層土壤水分保持。SWS20-60主要受SWS0-20的正效應影響，因為二者水分儲量的季節變化具有一致性（R2=0.50，P＜0.01）。由于SWS60-100的季節變異主要受控于生長季SWS60-100的變異，而后者與生長季Ts60-100顯著正相關（R2=0.73，P＜0.001），進而導致SWS60-100的季節變異與Ts60-100正相關，這也與相鄰區域高寒灌叢草甸的研究結果一致［21］。降水對SWS0-100在8 d 時間尺度上的季節變異無顯著作用，一方面由于年降水的85%集中在植被生長季，且以小降水（＜3.0 mm·d-1）事件為主，加之高原太陽輻射較強，極易被LE 迅速消耗［21-22］。另一方面，強降水事件［（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對SWS0-100的影響強度。

3.3 土壤水分通量

SWF 的實質是各種勢能綜合作用下的水分質量的轉移，主要包括溫度梯度驅動的未凍水遷移、重力作用下的自由水下滲和土壤毛細作用下的毛細水遷移［19］。生長季中，SWF 主要驅動力是由降水、蒸散發等過程引起的土壤含水量增減而導致的土壤剖面基質勢梯度的變化，土壤水遷移以自由水和毛細水為主［27］，降水對SWF的影響也隨著土壤深度增加而下降［8］，本研究也發現SWF20-60和SWF60-100的變化主要來源于降水的間接作用［圖4（b）］。這主要由于高寒草甸植物根系集中在淺層土壤中形成了一系列大孔隙網絡，提高了土壤的導水率［12］。非生長季中，土壤與大氣間的水氣交換被凍結的表層土壤所阻隔，土壤水分遷移與凍土融凍導致的溫度變化密切相關［10，27］，即溫度梯度是SWF 的主要影響因素［圖4（b）］。一方面，凍結過程中，土壤水分在溫度梯度的作用下向凍結峰匯集，土壤水分從深層向淺層聚集［27］，從而導致了Δ（Ts20-60-Ts60-100）對SWF20-60和SWF60-100的負效應。消融過程中，由于季節凍土的雙向消融，加之淺層融化速率較快［10，12］，在淺層土壤中形成一個水分的高值區，在溫度梯度、重力勢和基質勢的綜合作用下，土壤水分向下運移［10］，導致Δ（Ta-Ts0-20）和Δ（Ts0-20-Ts20-60）對SWF20-60和SWF60-100產生了正效應［圖4（b）］。另一方面，溫度是非生長季中土壤水分相變、未凍水含量及土水勢的重要影響因素，還可通過改變土壤的導水率和水黏滯系數［28］來影響土壤水分通量。

4 結論

利用祁連山南麓高寒草甸2017 年8 月1 日—2018 年7 月31 觀測資料作為SHAW 模型的強迫資料，進行了凍融過程中土壤水熱交換的模擬研究，并應用模型結果分析了季節凍結層SWS 及SWF 的變化特征及環境驅動，得到如下主要結論：

（1）日均SWS0-100為274.9 mm，約50%集中在20～60 cm 中層土壤，生長季和非生長季的日均SWS0-100分別為264.5 和286.4 mm。SWS0-100最低值和最高值分別出現在6 月初和1 月初，季節變異較小。蒸散發和群落葉面積指數通過影響SWS20-60和SWS0-20驅動SWS0-100的季節變化。

（2）日均SWF0-100為0.16 mm·d-1，生長季和非生長季的分別為3.27 和-3.23 mm·d-1，表現為土壤水分在生長季向下傳輸而非生長季向上匯聚。生長季淺層水分交換活躍，SWF0-20為2.85 mm·d-1，而非生長季中淺層、中層和深層差異較小，SWF 平均為-1.05 mm·d-1。降水和深層土壤溫度梯度通過影響SWF0-20、SWF20-60和SWF60-100驅動SWF0-100的季節變化。