《表3 2012年4月不同深度土壤湿度空间变化影响因素的影响力Table 3 The power of effect factors on spatial variation of soil mois

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于CoLM模式的干旱区土壤湿度模拟试验与误差分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过以上内容可以看出，CoLM模式用于干旱区土壤水分模拟时具有适宜性，但模型模拟精度不是很高，下面以于田绿洲土壤湿度时空变化影响因素分析为重点，分析模型误差产生的原因。根据SMOS土壤湿度数据（图6），研究区2012年表层的土壤湿度，2月到7月初，土壤湿度逐渐升高，这一时期为表层土壤湿度变化最为剧烈的时期，7月到10月土壤湿度逐渐减小，10月到12月土壤湿度变化不大。因为2月到7月包含了春夏两季，本研究利用2012年4月和7月的24个地面土壤湿度采样数据，分别以春季（4月）和夏季（7月）为时间点分析该区域土壤湿度时空变化的影响因素，通过构造线性和非线性回归模型，包括多项式回归、幂函数回归、对数回归等，分析影响因子对不同深度土壤湿度时空变化的影响，最终发现二次多项式回归模型能较好地表达各个影响因子和土壤水分的关系，结果如表3和表4所示。选取的影响因子包括CoLM模式的大气驱动数据（Lrad、Prec、Pres、Shum、Srad、Temp和Wind）、地下水位和土壤蒸散发量，因为7月土壤蒸散发的样本数量为14个，为了对比分析和消除土壤样本位置和数量不同对研究结果的影响，表4中14个样本数量的地下水位记作GWL14，14个样本数量的土壤蒸散发量记作ET14，同理，由于4月土壤蒸散发量的样本数量为19个，表3中该样本数量的地下水位记作GWL19，表3和表4中其它影响因素的标记内容与此意义相同。表3和表4中只列出了通过显著性检验或影响力较大的土壤湿度影响因子，其中R2为决定系数，其表征因变量的变异中有多少百分比可由控制的自变量来解释，R2值越大说明因变量变化由自变量解释部分的比例越高[14]，如表3中地下水位（GWL）对0~10cm土层土壤湿度空间变异的二次多项式回归的决定系数为0.559，表示该层有55.9%的土壤湿度空间变异可由地下水位解释，P值为显著性水平，只有通过显著性检验的模型才可靠，即P值不大于0.05。此分析表明，CoLM模式的大气驱动数据（Lrad、Prec、Pres、Shum、Srad、Temp和Wind）对该研究区土壤湿度时空变化的影响不显著。除夏季表层0~10cm的土壤湿度受土壤蒸散发量的影响不显著外，其他季节0~10cm和10~20cm的土壤湿度都受到地下水位和土壤蒸散发量显著且较大的影响，此外虽然夏季表层0~10cm的土壤湿度受土壤蒸散发量的影响不显著，但R2值较大，说明该研究区土壤湿度时空变化受CoLM大气驱动数据的影响很微弱，主要受地下水位和土壤蒸散发量的影响，而CoLM模型模拟时，驱动CoLM模型模拟运转的数据为大气驱动数据，没有实测的研究区地下水位和土壤蒸散发量数据参与模拟，这一定程度上解释了该研究区土壤湿度模拟结果精度不高的原因。