EN中文

Arid Land Geography >

2025 , Vol. 48 >Issue 4: 649 - 660

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.242

Ecology and Environment

Spatio-temporal analysis of multi-layered soil moisture deficit and its influencing factors in the oases at the eastern foothill of Helan Mountains

  • Ying HOU , 1 ,
  • Wenhui LIU 1 ,
  • Yang CHU 2 ,
  • Xiaojuan MA 1 ,
  • Shiyu YAO 3 ,
  • Tongxin NI 1
Expand
  • 1. College of Geography Science and Planning, Ningxia University, Yinchuan 750021, Ningxia, China
  • 2. Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China
  • 3. State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China

Received date: 2024-04-16

  Revised date: 2024-10-21

  Online published: 2026-03-11

Fold

Abstract

In the oases at the eastern foothill of Helan Mountains, Ningxia, China, known as the “Jiangnan on the Frontier”, soil moisture is a critical limiting factor affecting ecological preservation and high-quality socio-economic development. Based on soil moisture data from ten layers (0-100 cm), multidimensional analyses were conducted on the spatiotemporal distribution, evolution characteristics, and influencing factors of soil moisture deficit in this region using methods such as spatiotemporal trend analysis and partial regression analysis. This approach enhances the understanding of the correlation and interactive effects of soil moisture changes at different depths. The results indicated that the degree of soil moisture deficit in various layers had intensified over the past 20 years. As soil depth increased, soil moisture in the northern and southern oases exhibited distinct multidimensional spatial distribution patterns: deficit-surplus-deficit-surplus-deficit and deficit-surplus-deficit, respectively. Additionally, they followed spatiotemporal evolution trends of wetting-drying-wetting and wetting-drying. The influences of precipitation (PRE) and vapor pressure deficit (VPD) on soil moisture across different layers gradually weakened, while the influence of temperature (TMP) first strengthened and then weakened, and the influence of the normalized difference vegetation index (NDVI) gradually increased. In summary, soil moisture at different depths and its influencing factors exhibited regular and multidimensional spatiotemporal variation patterns. The 0-10 cm layer was strongly positively influenced by PRE, whereas the 10-30 cm and 30-100 cm layers were significantly negatively affected by TMP and NDVI, respectively.

Key words： standardized soil moisture index; soil moisture deficit; spatio-temporal variability; multidimensional structure; oases at the eastern foothill of Helan Mountains

Cite this article

Ying HOU , Wenhui LIU , Yang CHU , Xiaojuan MA , Shiyu YAO , Tongxin NI . Spatio-temporal analysis of multi-layered soil moisture deficit and its influencing factors in the oases at the eastern foothill of Helan Mountains[J]. Arid Land Geography, 2025 , 48(4) : 649 -660 . DOI: 10.12118/j.issn.1000-6060.2024.242

土壤水分作为土壤的组成部分，是陆-气系统中重要变量之一[1-2]。其变化对大气、植物和地下水之间的物质循环和能量流动具有重要作用，决定着干旱和半干旱环境中植物分布和生长模式[3⇓-5]。当土壤水分匮乏时，对农业生产、植被生态系统等方面造成不利影响。特别是在水资源短缺的干旱和半干旱地区，这种影响更为突出[6]。已有研究表明，位于干旱和半干旱区的宁夏东部荒漠草原，随着植被覆盖度的增加，土壤水分被过度利用，导致深层土壤水分消耗和土壤水分亏缺程度的加剧[7]；宁夏河东沙地土壤含水量垂直分布的分层特征明显，其变化受到气候、植被的共同影响[8]；宁夏南部黄土区土壤水分受气象因素影响最强，随着研究时段推进，土壤水分呈先降后升的变化趋势[9]。上述研究深刻揭示宁夏不同地域土壤水分的动态变化特征与影响机制，有效促进该区植被重建、生态修复与生态产业的发展。
然而，受降水、温度、土壤特性、植被覆盖度等多重环境因子的共同作用[6,10⇓⇓⇓-14]，不同时空尺度、不同深度土层水分的分布特征及其控制因素呈现显著差异，进而对植物生长[15-16]、作物产量[17]等产生不同程度的影响。土壤水分之间极其复杂的关系，对大范围、高分辨率、多土层土壤水分的动态监测与分析造成较大的挑战。目前，常用的土壤水分观测方法包括实地测量、遥感反演和模型模拟[18⇓-20]。土壤水分实测资料受观测数据时长、站点数量、空间代表性限制，相关研究在数据观测频率和空间连续性方面存在一定的局限性[18,21]。借助于遥感反演和模型模拟，使得相关研究实现由点向面的跨越，促进大尺度土壤水分时空变化规律研究[11,22]。但目前此类长时序土壤水分数据的空间分辨率较粗糙[21,23]，且相关研究多聚焦于表层土壤特征分析，大范围、多层次土壤水分的多维时空分析方面较缺乏。
近年来，Li等[24-25]基于实测土壤湿度和ERA5 Land数据，研发1 km土壤湿度数据集，在高质量、高时空分辨率、多层次土壤水分特征研究方面具有较大的应用潜力。基于此，利用该数据集结合时空分析方法，探讨贺兰山东麓绿洲土壤水分在水平和垂直2个尺度的多维时空分布、演变特征。此外，为改进土壤水分影响因素分析中相关分析、多元回归方法的多重共线性问题[6,11,26]，构建空间偏回归分析方法，客观剖析不同层次土壤水分影响因素的多维关联性和交互影响。研究结果有助于增进对土壤干旱发生机制及其演进规律的理解，缓解干旱对社会生产及生态环境的负面影响，并推动黄河流域生态保护与治理工作中新质生产力的提升。

1 研究区概况

贺兰山东麓绿洲（36°65′~39°39′N，104°26′~106°98′E）北起石嘴山市惠农区，南至中卫市沙坡头区，以青铜峡为界，分为银川平原和卫宁平原2个部分（图1）。该区位于西北内陆、黄河中上游地区，属温带大陆性气候，冬季寒冷，夏季炎热。多年平均降水量不足200 mm，水面蒸发量达1600 mm以上。干旱少雨，地表水资源量少，水资源匮乏，为典型的干旱区绿洲[27]。得益于贺兰山地形效应和黄河丰富水土资源，该区自两千年前便开始发展灌溉农业，形成物产丰富的“塞上江南”景观，成为西北重要的农业区和生态保护屏障区。
图1 研究区示意图

注：基于自然资源部标准地图服务网站审图号为GS(2020)4619号的标准地图制作，底图边界无修改。下同。

Fig. 1 Schematic diagram of the study area

2 数据与方法

2.1 数据来源

多层次、高时空分辨率土壤水分数据提取于中国范围内1 km高质量土壤湿度数据集（SMCI 1.0）[24]。该数据集以1648个站点的10层土壤湿度观测数据为基准，使用ERA5 Land数据、叶面积指数、土地覆盖类型、地形和土壤特性作为协变量，通过机器学习方式获得，经检验其具有较高精度[25]。气温（TMP）和降水量（PRE）数据提取于ERA5 Land数据集；大气饱和水汽压差（VPD）提取于TerraClimate数据集；归一化植被指数（NDVI）数据提取于MODIS数据集。选择适用于相对平滑的地表[28]，且精度高、质量优、应用广泛的双线性内插法[29]，将所有栅格数据重采样至1 km×1 km分辨率。研究时段统一至2000—2020年。此外，以ERA5土壤水分数据为验证数据，利用决定系数（R2）、均方根预测误差（RMSE）等参数，评估SMCI数据在研究区的精度和适用性。数据来源及预处理详见表1。
表1 数据来源及预处理过程

Tab. 1 Data sources and pre-processing process

数据类型 数据来源 数据分辨率 数据预处理
SMCI土壤水分 中国范围内1 km高质量土壤湿度数据集
（国家青藏高原科学数据中心，http://data.
tpdc.ac.cn）
 日尺度；1 km×1 km；0~100 cm，10 cm
为间隔，共10个土层		 由日值数据合并为年值数据
ERA5土壤水分 ERA5 Land数据集（https://cds.climate.
copernicus.eu/datasets/reanalysis-era5-land-
monthly-means?tab=overview）		 月尺度；0.1°×0.1°；4层土壤水分（0~
7 cm，7~28 cm，28~100 cm，100~289 cm）		 由月值数据合并为年值数据，数据重采样至1 km×1 km
降水量（PRE）
气温（TMP）
大气饱和水汽压差（VPD） TerraClimate数据集（http://www.climato-
logylab.org/terraclimate.html）		 月尺度；约0.04°×0.04° 由月值数据合并为年值数据，数据重采样至1 km×1 km
归一化植被指数（NDVI） MODIS数据集（https://ladsweb.modaps.
eosdis.nasa.gov/missions-and-measurements/products/MOD13A3）		 月尺度；1 km×1 km 由月值数据合并为年值数据

2.2 研究方法

2.2.1 标准化土壤水分指数

由于降水、蒸散等多种因素对土壤水分影响的空间异质性，不同区域、不同深度土层水分呈现显著差异，因此通过原始土壤水分数值的对比分析存在偏差。而标准化土壤水分指数（SSMI）是一种基于历史土壤水分构建的标准化指数，计算简单易行，适用于区域土壤水分的监测与对比分析[30]。因此，对每层土壤水分数据均计算 S S M I j（ j ∈ [ 1,10 ]，代表10个土层），表征土壤水分的亏缺程度，公式详见文献[30]。 S S M I j < 0代表土壤湿度小于正常值，土壤水分呈现亏缺状态（干旱），值越低表示水分亏缺程度越强； S S M I j > 0表示土壤湿度大于正常值，土壤水分呈现盈余状态（湿润），值越高表示水分盈余程度越强。

2.2.2 时空趋势分析

通过Theil-Sen Median趋势分析方法对 S S M I j进行栅格尺度逐像元分析，得到趋势值（β），进而判断土壤水分的变化强度和性质。该方法是基于非参数统计的趋势计算方法，具有计算过程稳健、效率高、对离群数据和测量误差不敏感的优势，公式详见文献[27]。β<0表示土壤水分呈现干旱化趋势，值越低表示水分亏缺趋势越强；β>0表示土壤水分呈现湿润化趋势，值越高表示水分盈余趋势越强。
为提高趋势分析的准确性和可靠性，再借助Mann-Kendall检验对土壤水分的变化趋势进行显著性检验，得到检验统计量（Z），计算过程详见文献[27]。若Z>0，表明序列呈现增加趋势；反之，序列呈现降低趋势。设定显著性水平α，若 Z ≥ Z 1 - 0.5 α ，表示原假设H0不成立，则序列具有显著的变化趋势（P<0.05）。

2.2.3 时空偏回归分析

分别对 S S M I j及其影响因素（PRE、TMP、VPD、NDVI）进行逐栅格偏回归分析，去除变量之间多重共线性的影响，揭示不同深度土层水分的主要影响因素及其差异性。计算过程为：
首先，以PRE为自变量（P），以TMP、VPD、NDVI为因变量（T、V、N），建立回归方程：
P = β 1 T + β 2 V + β 3 N + β 0 + ε
式中： β 1、 β 2、 β 3为回归系数； β 0 + ε为P中无法被T、V、N解释的部分。
定义新变量 P '（ P ' = β 0 + ε），表示控制T、V、N影响后的P值。
其次，以 S S M I j为自变量（S），以T、V、N为因变量建立回归方程：
S = μ 1 T + μ 2 V + μ 3 N + μ 0 + e
式中： μ 1、 μ 2、 μ 3为回归系数； μ 0 + e为S中无法被T、V、N解释的部分。
定义新变量 S '（ S ' = μ 0 + e），表示控制T、V、N影响后的S值。
最后，以 S '为因变量， P '为自变量，建立偏回归方程：
S ' = a P ' + b
式中：a为偏回归系数；b为常数。
通过方程（3）反映控制其他变量后，PRE对 S S M I j的影响程度。方程的偏回归系数越大，表明PRE对 S S M I j的作用越强；反之，PRE对 S S M I j的作用越弱。
以此类推，再分别建立 S S M I j与TMP、VPD、NDVI的偏回归方程，反映各因素对 S S M I j的影响程度。

3 结果与分析

3.1 SMCI数据验证分析

首先，将SMCI中10~20 cm、20~30 cm栅格数据经算术平均合并为10~30 cm土层数据，30 cm以下各层栅格数据经算术平均合并为30~100 cm土层数据。其次，提取研究区ERA5 Land数据集中相近土层的土壤水分月值数据。通过绘制两者的散点图，进行数据交叉验证。0~10 cm土层水分散点图，R2为0.674，RMSE为0.0621（图2a）；10~30 cm土层水分散点图，R2为0.740，RMSE为0.0303（图2b）；30~100 cm土层水分散点图，R2为0.832，RMSE为0.0261（图2c）。综合而言，SMCI数据在研究区的不同土层具有较好的精度。
图2 多层次2种土壤水分数据的交叉验证

Fig. 2 Cross validation of two types of multi-layered soil moisture data

3.2 贺兰山东麓绿洲土壤水分的多维结构特征

3.2.1 多层次土壤水分时序结构特征

贺兰山东麓绿洲0~10 cm、10~20 cm土层水分变化较一致，在21世纪初呈快速干旱化趋势，2005年后呈现缓慢的干旱化过程，2013年后呈现快速的、波动的湿润化过程（图3）。其他土层水分变化较一致，2002年土壤水分亏缺程度较轻，2006年后呈现波动的、缓慢的干旱化过程，2013年后土壤水分亏缺程度不断改善，呈现缓慢的湿润化过程。
图3 贺兰山东麓绿洲多层次土壤水分的时序结构

注：SSMI为标准化土壤水分指数。下同。

Fig. 3 Temporal structure of multi-layered soil moisture in the oases at the eastern foothill of Helan Mountains

3.2.2 多层次土壤水分空间结构特征

贺兰山东麓绿洲0~30 cm土层除北部的大武口区、惠农区稍湿润外，其他区域均表现为干旱特征，特别是沙坡头区水分亏缺程度更严重（图4）。随着土层深度增加，该区土壤水分的亏缺程度逐渐改善，水分盈余区域逐渐增加。30~50 cm土层水分亏缺程度较弱，表现为湿润特征；随后，土壤水分亏缺程度有所增加；70~80 cm土层表现为湿润特征。整体而言，随着土层深度增加，北部的银川平原土壤水分呈亏（0~30 cm）→盈（30~50 cm）→亏（50~70 cm）→盈（70~80 cm）→亏（80~100 cm）的变化特征；南部的卫宁平原呈亏（0~30 cm）→盈（30~80 cm）→亏（80~100 cm）的变化特征。
图4 多层次土壤水分的多维空间结构

Fig. 4 Multi-dimensional spatial structure of multi-layered soil moisture

3.2.3 多层次土壤水分时空演变趋势

虽然贺兰山东麓绿洲0~30 cm土层水分的亏缺程度较高，但近20 a其呈现出湿润化趋势，总体上水分亏缺程度有所改善（图5）。而随着土层深度增加，土壤干旱化趋势逐渐增强。30~60 cm土层除银川平原中部外，其他区域均呈现较强的干旱化趋势。60~100 cm土层银川平原的干旱化趋势有所改善，卫宁平原仍呈现干旱化趋势。整体而言，随着土层深度增加，北部的银川平原呈湿润化（0~30 cm）→干旱化（30~60 cm）→湿润化（60~100 cm）的时空演变趋势；南部的卫宁平原呈湿润化（0~30 cm）→干旱化（30~100 cm）的时空演变趋势。
图5 多层次土壤水分的多维时空演变结构

注：β为土壤水分趋势值。

Fig. 5 Multi-dimensional spatio-temporal evolutionary structure of multi-layered soil moisture

3.3 贺兰山东麓绿洲土壤水分影响因素的多维分析

3.3.1 土壤水分与PRE的多维分析

基于上述分析结果，仍将SMCI分为0~10 cm、10~30 cm和30~100 cm 3个层次（分别记为表层、浅层和深层），以探讨不同层次影响因素之间的关联性和交互影响。贺兰山东麓绿洲表层SSMI与PRE呈现正相关，除沙坡头区西部外，其他区域两者的正相关性极强（图6）。浅层SSMI与PRE呈现正相关，但相关性较表层土壤有所减弱。而深层SSMI与PRE的正相关进一步减弱，除银川平原外，其他区域逐渐转为无相关性或较弱的负相关。总体而言，随着土层深度增加，PRE对SSMI由表层极强的正向作用，逐渐减弱：银川平原南部由表层极强的正向作用，逐渐减弱至深层较强的正向作用；其他区域由表层较强的正向作用，逐渐减弱至深层的无作用或较弱的负向作用。
图6 多层次土壤水分与PRE的空间偏回归系数

Fig. 6 Spatially partial regression coefficients of multi-layered soil moisture and PRE

3.3.2 土壤水分与TMP的多维分析

贺兰山东麓绿洲表层SSMI与TMP呈现正相关，其中在银川平原两者的正相关性较强，其他区域两者的正相关性较弱（图7）。浅层SSMI与TMP基本上以负相关为主，除银川平原北部外，其他区域两者的负相关性较强。深层SSMI与TMP的负相关性减弱，除银川平原南部外，其他区域两者转变为无相关性或较弱的正相关。总体而言，随着土层深度增加，银川平原北部和卫宁平原TMP对SSMI由表层弱正向作用，转变为浅层较强的负向作用，至深层再次转变为无作用或较弱的正向作用；银川平原南部TMP由表层较强的正向作用，转变为浅层强负向作用，至深层进一步减至弱负向作用。
图7 多层次土壤水分与TMP的空间偏回归系数

Fig. 7 Spatially partial regression coefficients of multi-layered soil moisture and TMP

3.3.3 土壤水分与VPD的多维分析

贺兰山东麓绿洲表层SSMI与VPD在银川平原南部呈现较强的负相关，其他区域两者以弱负相关或弱正相关为主（图8）。浅层SSMI与VPD的负相关性有所减弱，两者的正相关性有所增加。深层SSMI与VPD的负相关性进一步减弱，除银川平原的一些区域外，其他区域两者转变为正相关。总体而言，随着土层深度增加，银川平原南部VPD对SSMI由表层较强的负向作用，逐渐减弱至深层的无作用或较弱负向作用；而银川平原北部和卫宁平原VPD较弱的正向作用基本无变化。
图8 多层次土壤水分与VPD的空间偏回归系数

Fig. 8 Spatially partial regression coefficients of multi-layered soil moisture and VPD

3.3.4 土壤水分与NDVI的多维分析

贺兰山东麓绿洲表层SSMI基本上与NDVI呈现正相关，在卫宁平原两者的相关性较强（图9）。浅层SSMI与NDVI正相关性在卫宁平原有所减弱，在银川平原北部两者的正相关性增强。深层两者的正相关性进一步减弱，除银川平原北部外，其他区域两者以较强的负相关性为主。总体而言，随着土层深度增加，银川平原NDVI对SSMI由表层和浅层较弱的正向作用，转变为深层较强的负向作用；其他区域由表层较强的正向作用，逐渐减弱，至深层转变为较强的负向作用。
图9 多层次土壤水分与NDVI的空间偏回归系数

Fig. 9 Spatially partial regression coefficients of multi-layered soil moisture and NDVI

综上，贺兰山东麓绿洲不同层次土壤水分的空间分布、演变趋势及其与影响因素的交互作用具有明显的关联性和差异性，呈现规律性、多维的时空演变特征（表2）。
表2 贺兰山东麓绿洲土壤水分及其影响因素的多维时空演变特征

Tab. 2 Multi-dimensional spatio-temporal evolution characteristics of soil moisture and its influencing factors in the oases at the eastern foothill of Helan Mountains

多维结构特征
及影响因素		 绿洲北部的银川平原（随土层深度增加） 绿洲南部的卫宁平原
（随土层深度增加）
银川平原北部 银川平原南部
多维空间结构 亏→盈→亏→盈→亏 亏→盈→亏
多维时空演变结构 湿润化→干旱化→湿润化 湿润化→干旱化
PRE影响因素 强正向影响→弱负向影响 强正向影响→弱正向影响 较强正向影响→无影响
TMP影响因素 弱正向影响→较强负向影响→无影响 较强正向影响→强负向影响→弱负向影响 弱正向影响→较强负向影响→无影响
VPD影响因素 无影响或弱正向影响 较强负向影响→无影响 无影响或弱正向影响
NDVI影响因素 较强正向影响→较强负向影响 弱正向影响→较强负向影响 弱正向影响→较强负向影响

4 讨论

4.1 土壤水分多维时空演变特征的区域对比分析

已有研究表明，近20 a蒙古高原[11]、黄河流域上游地区[21,31]表层土壤水分呈增加趋势，而我国青藏高原[32]、北方半干旱地区[6]、中东部农业区[10]、华北地区[18]、黄河流域中游地区[21]、陕西省[26]土壤水分呈减少趋势。黄土高原土壤水分也呈微弱减少趋势，夏季土壤水分干旱加剧[33]。贺兰山东麓绿洲表层土壤水分同样呈现较强的干旱化趋势，至2015年后才有所缓解。这种减少趋势可能受到植被耗水量增加、PRE下降[10]，以及气候变暖的共同作用[34]。此外，近20 a蒙古高原深层土壤水分呈现减少趋势[11]，华北地区深层土壤水分，尤其100 cm根区土壤水分减少最明显[18]，与研究区深层土壤水分变化特征相似。
随土层深度增加，陕北黄土高原土壤水分先增加、后减少[14]，毛乌素沙地流动沙地和半固定沙地表层土壤水分状况好于深层土壤[35]，蒙古高原[36]、华北地区[18]不同土层水分逐渐降低，与卫宁平原土壤水分的垂直变化特征相似，而在银川平原土壤水分呈现亏→盈→亏→盈→亏的垂直变化特征。随土层深度增加，近20 a蒙古高原土壤水分呈湿润化到干旱化的时空变化趋势[11]，与卫宁平原较为相似，而银川平原各土层呈现湿润化→干旱化→湿润化的时空趋势。不同区域不同土层水分垂直分布的差异可能由于降水和地下水状况及植被覆盖度的不同导致[10,13,28]。此外，相较于其他研究，本研究较精细的多层土壤水分数据可揭示更细致的垂直变化特征。

4.2 多层次土壤水分影响因素及其关联性分析

与毗邻地区的研究对比，尽管土壤水分受NDVI[15]、PRE、TMP[34]和VPD[37]等多种因素的影响，但影响程度存在差异。PRE对青藏高原[32]、陕西省[26]、毛乌素沙地[35]表层土壤水分影响最强。贺兰山东麓绿洲PRE对表层SSMI的正向作用明显高于其他因素，且随土层深度增加而逐渐降低，这与我国中东部农业区[10]、蒙古高原[36]研究结果相似。PRE是土壤水分的直接来源，表层土壤与PRE的接触最为直接。雨水降落后被土壤吸收，对表层土壤水分产生正向作用。PRE的减少，伴随着植被绿度和植被蒸腾显著上升，可致使土壤水分减少[10]。但随土层深度增加，水分渗透速度受土壤质地、结构、紧实度等影响，深层土壤水分运移速度慢，PRE的影响随之减弱[8,10,35]。
贺兰山东麓绿洲NDVI对SSMI的影响作用次之，且随着土层深度的增加，由正向作用转变为较强的负向作用，进一步表明该区土壤水分变化的层次性和复杂性。植被覆盖的增加可减少表层土壤蒸发面积，同时阻止太阳辐射的直接照射，降低地表温度，从而减少土壤水分损耗[38]。此外，随着植被覆盖增加，较多的根系固定土壤，可有效保持土壤水分；植被覆盖下土壤富含有机物和微生物，改善团粒结构，可增加保水能力[15]。因此，研究区NDVI对表层SSMI具有正向作用。与之类似，NDVI、PRE的正向作用对黄河流域中游土壤水分变化影响最强烈[21]；NDVI、PRE等因素对青藏高原东北边缘区土壤水分也具有较强的影响[2]。
然而，已有研究表明黄土高原植被蒸腾主要利用根层深处的土壤水分[3]，植被是该区土壤水分减少的重要驱动因素[14-15,39]。随着植被覆盖增加，对土壤水分需求增多[13]。大量植被通过其较深的根系进行蒸腾作用，消耗较多深层土壤水分，致使两者的负相关性随着土层深度的增加而逐渐增强，至深层两者表现为较强的负相关性[12,40]。在宁夏东部荒漠草原、河东沙地，植被覆盖度的增加消耗大量深层土壤水分，同样加剧深层土壤水分的亏缺程度[7-8]。
贺兰山东麓绿洲TMP对表层SSMI具有较弱的正向作用，但随着土层深度的增加，TMP转变为较强的负向作用。土壤水分受大气水分补充和蒸发的双重影响，而TMP可通过影响蒸发间接作用于土壤水分[3,6,27,34]。TMP增高，地表蒸发增强，促进深层土壤水分向上迁移，从而表层土壤水分含量随之增加[11,36]。因此，研究区TMP对表层SSMI产生正向作用。然而，随着TMP增高，当TMP高于植被适宜值时，植被叶面蒸腾作用以及土壤水分蒸散量加快[26]。植被通过大量的浅层根系，消耗较多土壤水分，致使TMP对浅层SSMI产生较强的负向作用。这种负相关性同样存在于中国北方半干旱区[6]。
在全球变暖背景下，VPD-土壤水分的耦合关系进一步增强，两者引发的复合效应进一步强化大气和土壤水分亏缺对植被生长的负效应[37,41]。VPD与土壤水分之间的相互作用越来越重要[42-43]，在贺兰山东麓绿洲两者也存在类似的复合效应。该区VPD仅对表层SSMI产生较强的负向作用，随土层深度增加其影响作用逐渐减弱。VPD与大气水分需求直接相关，且影响地表土壤水分的传导与蒸散[44-45]。VPD越大，表明大气水分亏缺程度越高，地表土壤水分更易通过蒸散作用散失到大气中，致使表层土壤水分减少[37,43]。因此，研究区VPD对表层SSMI呈较强的负向作用。而深层土壤与大气接触作用弱，随着土层深度的增加，VPD与土壤水分之间的负相关性也随之逐渐减弱。
总体而言，本研究侧重于精细化分析多层次土壤水分时空分布、演变趋势的内在联系与差异，进而通过构建空间偏回归模型，在栅格尺度消除影响因子多重共线性的影响，客观揭示不同层次土壤水分的影响因素及其交互影响。但本研究仅用一种土壤水分产品，缺乏大量土壤水分原位实验的补充验证，在数据精度、适用性、分辨率方面存在一定的局限性。同时限于篇幅，缺乏社会经济、土地利用等人类活动影响因素的探讨。进一步研究可采用不同土壤水分产品或者温度植被干旱指数等模型模拟方法，提升数据的精度和代表性，同时模拟不同气候变化、人类活动情景，探讨未来土壤水分的变化和影响。

5 结论

（1） 贺兰山东麓绿洲多层次土壤水分的分布特征、变化趋势及其与影响因素的交互作用呈现规律性、多维的时空演变特征。时间尺度上，近20 a该区各层土壤水分的亏缺程度呈加剧趋势；多维空间尺度上，0~10 cm土层水分亏缺程度较高，且随着土层深度增加，银川平原和卫宁平原分别呈亏→盈→亏→盈→亏和亏→盈→亏的多层次空间分布特征；多维时空尺度上，随土层深度增加，银川平原和卫宁平原分别呈湿润化→干旱化→湿润化和湿润化→干旱化的多层次时空演变趋势。
（2） 贺兰山东麓绿洲PRE对0~10 cm土层SSMI的正向影响最强，其次是宁卫平原NDVI的正向影响和银川平原南部VPD的负向影响。随着土层深度增加，PRE、VPD的影响逐渐减弱；TMP、NDVI的影响由正转负，且强度逐渐增强，两者分别对10~30 cm和30~100 cm土层SSMI产生较强的负向影响。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Feng H H, Wang S, Li S J, et al. Satellite-based re-examination of global soil moisture variation[J/OL]. Advances in Space Research. [2024-12-14]. https://doi.org/10.1016/j.asr.2024.12.030.

[2]
Wang S, Lü K, Ma J, et al. A multi-source data fusion method to retrieve soil moisture dynamics and its influencing factors analysis in the ecological zone of the eastern margin of the Tibetan Plateau[J]. Ecological Indicators, 2024, 169: 112877, doi: 10.1016/j.ecolind.2024.112877.

[3]
Liu B B, Yu P T, Zhang X, et al. Soil moisture shapes the responses of Quercus wutaishansea forest stand transpiration to potential evapotranspiration[J]. Journal of Hydrology, 2025, 652: 132679, doi: 10.1016/j.jhydrol.2025.132679.

[4]
Kamran M, Yamamoto K. Evolution and use of remote sensing in ecological vulnerability assessment: A review[J]. Ecological Indicators, 2023, 148: 110099, doi: 10.1016/j.ecolind.2023.110099.

[5]
Dash S K, Sinha R. Space-time dynamics of soil moisture and groundwater in an agriculture-dominated critical zone observatory (CZO) in the Ganga Basin, India[J]. Science of the Total Environment, 2022, 851: 158231, doi: 10.1016/j.scitotenv.2022.158231.

[6]
Zhang Z Y, Chen X, Jiang K, et al. Dynamics and interactions of soil moisture and temperature in semi-arid regions of northern China[J]. Journal of Arid Environments, 2025, 227: 105327, doi: 10.1016/j.jaridenv.2025.105327.

[7]
赵亚楠, 于露, 周玉蓉, 等. 宁夏东部荒漠草原灌丛引入对土壤水分动态及亏缺的影响[J]. 生态学报, 2020, 40(4): 1305-1315.

[Zhao Yanan, Yu Lu, Zhou Yurong, et al. Soil moisture dynamics and deficit of desert grassland with anthropogenic introduced shrub encroachment in the eastern Ningxia, China[J]. Acta Ecologica Sinica, 2020, 40(4): 1305-1315.]

[8]
张维福, 张呈春, 马思怡, 等. 宁夏河东沙地土壤水分动态变化[J]. 水土保持通报, 2024, 44(4): 97-106.

[Zhang Weifu, Zhang Chengchun, Ma Siyi, et al. Dynamic changes of soil moisture in sandy lands in east of Yellow River in Ningxia[J]. Bulletin of Soil and Water Conservation, 2024, 44(4): 97-106.]

[9]
韩新生, 刘广全, 许浩, 等. 宁夏南部半干旱黄土区3种土地利用类型的土壤水分时空变化特征[J]. 水土保持学报, 2022, 36(6): 250-259.

[Han Xinsheng, Liu Guangquan, Xu Hao, et al. Temporal and spatial variation characteristics of soil moisture under three land use types in the semi-arid Loess region of southern Ningxia[J]. Journal of Soil and Water Conservation, 2022, 36(6): 250-259.]

[10]
吴振宗, 毕健, 高艺菲, 等. 近20 a中国中东部部分农业区土壤水分变化[J]. 兰州大学学报(自然科学版), 2022, 58(6): 774-781, 788.

[Wu Zhenzong, Bi Jian, Gao Yifei, et al. Changes in soil moisture in parts of the central and eastern agricultural regions of China in the recent 20 years[J]. Journal of Lanzhou University (Natural Sciences Edition), 2022, 58(6): 774-781, 788.]

[11]
董金义, 罗敏, 孟凡浩, 等. 蒙古高原土壤水分时空格局演变特征分析[J]. 水土保持研究, 2024, 31(2): 110-121.

[Dong Jinyi, Luo Min, Meng Fanhao, et al. Spatiotemporal evolution of soil moisture and its driving forces in the Mongolian Plateau[J]. Research of Soil and Water Conservation, 2024, 31(2): 110-121.]

[12]
Wang Y Q, Hu W, Sun H, et al. Soil moisture decline in China’s monsoon loess critical zone: More a result of land-use conversion than climate change[J]. Proceedings of the National Academy of Sciences of the United States of America, 2024, 121(15): e1972840175, doi: 10.1073/pnas.2322127121.

[13]
Han L, Chang Y Q, Chen R, et al. Response of soil moisture to vegetation and trade-off analysis in the hilly area of the Loess Plateau, China[J]. Ecological Indicators, 2022, 142: 109273, doi: 10.1016/j.ecolind.2022.109273.

[14]
Ge F C, Xu M X, Li B B, et al. Afforestation reduced the deep profile soil water sustainability on the semiarid Loess Plateau[J]. Forest Ecology and Management, 2023, 544: 121240, doi: 10.1016/j.foreco.2023.121240.

[15]
Miao Y B, Niu J Z, Wang D, et al. Greening of China and possible vegetation effects on soil moisture[J]. Ecological Indicators, 2024, 158: 111382, doi: 10.1016/j.ecolind.2023.111382.

[16]
Gupta A, Rico Medina A, Caño Delgado A I. The physiology of plant responses to drought[J]. Science, 2020, 368: 266-269.

DOI PMID

[17]
Wang Q, Zhang D K, Zhou X J, et al. Optimum planting configuration for alfalfa production with ridge-furrow rainwater harvesting in a semiarid region of China[J]. Agricultural Water Management, 2022, 266: 107594, doi: 10.1016/j.agwat.2022.107594.

[18]
李轩, 过志峰, 吴门新, 等. 华北地区土壤水分的时空变化特征[J]. 应用生态学报, 2021, 32(12): 4203-4211.

DOI

[Li Xuan, Guo Zhifeng, Wu Menxin, et al. Temporal and spatial variations of soil moisture in north China[J]. Chinese Journal of Applied Ecology, 2021, 32(12): 4203-4211.]

DOI

[19]
Rakesh C J, Dongryeol R, Patrick N J L, et al. Seasonal forecast of soil moisture over Mediterranean-climate forest catchments using a machine learning approach[J]. Journal of Hydrology, 2023, 619: 129307, doi: 10.1016/j.jhydrol.2023.129307.

[20]
A Y L, Jiang X M, Wang Y T, et al. Study on spatio-temporal simulation and prediction of regional deep soil moisture using machine learning[J]. Journal of Contaminant Hydrology, 2023, 258: 104235, doi: 10.1016/j.jconhyd.2023.104235.

[21]
张亚楠, 宋小宁, 冷佩, 等. 近20年黄河流域夏季土壤水分时空变化特征及驱动因素分析[J]. 中国科学院大学学报, 2024, 41(4): 477-489.

[Zhang Yanan, Song Xiaoning, Leng Pei, et al. Temporal and spatial variation of summer soil moisture and its driving factors in Yellow River Basin during the last 20 years[J]. Journal of University of Chinese Academy of Sciences, 2024, 41(4): 477-489.]

[22]
Xu L, Gao G Y, Wang X F, et al. Distinguishing the effects of climate change and vegetation greening on soil moisture variability along aridity gradient in the drylands of northern China[J]. Agricultural and Forest Meteorology, 2023, 343: 109786, doi: 10.1016/j.agrformet.2023.109786.

[23]
丁思聪, 邱博, 李倩. 不同土壤湿度产品对长江中下游极端气候事件响应过程分析[J]. 大气科学学报, 2024, 47(5): 701-712.

[Ding Sicong, Qiu Bo, Li Qian. Response of soil moisture to extreme climate events based on various datasets[J]. Transactions of Atmospheric Sciences, 2024, 47(5): 701-712.]

[24]
上官微, 李清亮, 石高松. 基于站点观测的中国1 km土壤湿度日尺度数据集(2000—2022)[DB/OL]. 国家青藏高原科学数据中心. https://cstr.cn/18406.11.Terre.tpdc.272415.

[Shangguan Wei, Li Qingliang, Shi Gaosong. A 1-km daily soil moisture dataset over China based on in-situ measurement (2000—2022)[DB/OL]. National Tibetan Plateau Data Center. https://cstr.cn/18406.11.Terre.tpdc.272415.]

[25]
Li Q L, Shi G S, Shangguan W, et al. A 1 km daily soil moisture dataset over China using in situ measurement and machine learning[J]. Earth System Science Data, 2022, 14(12): 5267-5286.

[26]
王征. 陕西省土壤湿度时空变化特征及其驱动力分析[J]. 城市勘测, 2023, 38(5): 71-76.

[Wang Zheng. Analysis of spatial and temporal variation of soil moisture in Shanxi Province based on TVDI[J]. Urban Geotechnical Investigation & Surveying, 2023, 38(5): 71-76.]

[27]
吴宏玥, 杜灵通, 乔成龙, 等. 基于蒸散演变驱动的宁夏绿洲平原生态系统耗水变化[J]. 水土保持学报, 2023, 37(3): 172-180, 189.

[Wu Hongyue, Du Lingtong, Qiao Chenglong, et al. Water consumption of ecosystem driven by evapotranspiration evolution in Ningxia oasis plain[J]. Journal of Soil and Water Conservation, 2023, 37(3): 172-180, 189.]

[28]
Ali S, Ran J J, Luan Y, et al. The GWR model-based regional downscaling of GRACE/GRACE-FO derived groundwater storage to investigate local-scale variations in the North China Plain[J]. Science of the Total Environment, 2024, 908: 168239, doi: 10.1016/j.scitotenv.2023.168239.

[29]
Ling Z H, Shu L C, Wang D K, et al. Assessment and projection of the groundwater drought vulnerability under different climate scenarios and land use changes in the Sanjiang Plain, China[J]. Journal of Hydrology: Regional Studies, 2023, 49: 101498, doi: 10.1016/j.ejrh.2023.101498.

[30]
周洪奎, 武建军, 李小涵, 等. 基于同化数据的标准化土壤湿度指数监测农业干旱的适宜性研究[J]. 生态学报, 2019, 39(6): 2191-2202.

[Zhou Hongkui, Wu Jianjun, Li Xiaohan, et al. Suitability of assimilated data-based standardized soil moisture index for agricultural drought monitoring[J]. Acta Ecologica Sinica, 2019, 39(6): 2191-2202.]

[31]
Guo L, Zhu B W, Jin H, et al. Spatial-temporal variation characteristics and influencing factors of soil moisture in the Yellow River Basin using ESA CCI SM products[J]. Atmosphere, 2022, 13(6): 962, doi: 10.3390/atmos13060962.

[32]
拉巴, 边巴次仁, 拉珍, 等. 青藏高原土壤水分时空变化特征及其与气候变化的关系研究[J]. 高原科学研究, 2023, 7(1): 1-8.

[Lhaba, Bianba Ciren, Lhazhen, et al. Spatiotemporal variation characteristics of soil moisture and its relationship with climate change on the Qinghai-Tibet Plateau[J]. Plateau Science Research, 2023, 7(1): 1-8.]

[33]
Hu J L, Li S S, Liu X F, et al. Identifying the short-duration and long-duration types of summer soil moisture drought on the Loess Plateau and their teleconnections[J]. Atmospheric Research, 2025, 315: 107915, doi: 10.1016/j.atmosres.2025.107915.

[34]
Fan K K, Slater L, Zhang Q, et al. Climate warming accelerates surface soil moisture drying in the Yellow River Basin, China[J]. Journal of Hydrology, 2022, 615: 128735, doi: 10.1016/j.jhydrol2022.128735.

[35]
成龙, 吴波, 贾晓红, 等. 基于连续观测数据的毛乌素沙地生长季土壤水分动态及其对降雨的响应[J]. 干旱区地理, 2024, 47(4): 648-661.

DOI

[Cheng Long, Wu Bo, Jia Xiaohong, et al. Dynamic change of soil moisture and its response to rainfall during the growing season in Mu Us Sandy Land based on continuous observation data[J]. Arid Land Geography, 2024, 47(4): 648-661.]

DOI

[36]
Meng F H, Luo M, Sa C L, et al. Quantitative assessment of the effects of climate, vegetation, soil and groundwater on soil moisture spatiotemporal variability in the Mongolian Plateau[J]. Science of the Total Environment, 2022, 809: 152198, doi: 10.1016/j.scitotenv.2021.152198.

[37]
Chen S S, Zhang S L, Wu S J. Diverse spatiotemporal patterns of vapor pressure deficit and soil moisture across China[J]. Journal of Hydrology: Regional Studies, 2024, 52: 101712, doi: 10.1016/j.ejrh.2024.101712.

[38]
Jiang F X, Xie X H, Wang Y B, et al. Vegetation greening intensified transpiration but constrained soil evaporation on the Loess Plateau[J]. Journal of Hydrology, 2022, 614: 128514, doi: 10.1016/j.jhydrol.2022.128514.

[39]
滕健, 常军, 翟永波, 等. 黄淮海平原NDVI的时空变化特征及其对地表水储量的响应[J/OL]. 西安理工大学学报.[2024-10-17]. http://kns.cnki.net/kcms/detail/61.1294.N.20241017.1510.006.ht-ml.

[Teng Jian, Chang Jun, Zhai Yongbo, et al. Spatiotemporal variation characteristics of NDVI in the Huang-Huai-Hai Plain and its response to surface water storage[J/OL]. Journal of Xi’an University of Technology.[2024-10-17]. http://kns.cnki.net/kcms/detail/61.1294.N.20241017.1510.006.html.]

[40]
Yang X Y, Zhang Z P, Guan Q Y, et al. Coupling mechanism between vegetation and multi-depth soil moisture in arid-semiarid area: shift of dominant role from vegetation to soil moisture[J]. Forest Ecology and Management, 2023, 546: 121323, doi: 10.1016/j.foreco.2023.121323.]

[41]
於嘉禾, 王卫光, 陈泽峰. 全球旱地饱和水汽压差和根区土壤水分变化对植被生产力的影响及其成因[J]. 生态学报, 2024, 44(11): 4808-4819.

[Yu Jiahe, Wang Weiguang, Chen Zefeng. Influences of vapor pressure deficit and root-zone soil moisture changes on vegetation productivity and its causes across global drylands[J]. Acta Ecologica Sinica, 2024, 44(11): 4808-4819.]

[42]
Cai G C, Wankmüller F, Ahmed M A, et al. How the interactions between atmospheric and soil drought affect the functionality of plant hydraulics[J]. Plant, Cell & Environment, 2023, 46(3): 733-735.

[43]
Noguera I, Vicente-Serrano S M, Peña-Angulo D, et al. Assessment of vapor pressure deficit variability and trends in Spain and possible connections with soil moisture[J]. Atmospheric Research, 2023, 285: 106666, doi: 10.1016/j.atmosres.2023.106666.

[44]
Shekhar A, Buchmann N, Humphrey V, et al. More than three-fold increase in compound soil and air dryness across Europe by the end of 21st century[J]. Weather and Climate Extremes, 2024, 44: 100666, doi: 10.1016/j.wace.2024.100666.

[45]
侯迎, 黄欣慧, 褚阳, 等. 黄河“几字弯”大气水分亏缺及其影响因素的时空变化特征[J]. 中国环境科学, 2025, 45(2): 637-647.

[Hou Ying, Huang Xinhui, Chu Yang, et al. Spatiotemporal variability of atmospheric moisture deficit and its influencing factors in the “Jizi Bay” of the Yellow River[J]. China Environmental Science, 2025, 45(2): 637-647.]

Options
Outlines

/

〈 〉