陈秀雪，李晓峰，卫颜霖，王广蕊，梁爽，姜波，张丽娟，侯仁杰

1.中国科学院东北地理与农业生态研究所，长春 130102

2.中国科学院大学，北京 100049

3.中国科学院长春净月潭遥感实验站，长春 130102

4.中国科学院空天信息创新研究院，北京 100094

5.吉林省墒情监测中心，长春 130033

6.哈尔滨师范大学寒区地理环境监测与空间信息服务黑龙江省重点实验室，哈尔滨 150025

7.东北农业大学水利与土木工程学院，哈尔滨 150030

中国积雪分布广泛，主要包括三大积雪稳定区，分别是东北和内蒙古地区、北疆和天山地区以及青藏高原地区，稳定性积雪面积达到4 200 000km2[1]。东北和内蒙古地区作为我国最大的商品粮基地，是我国积雪分布范围最大的积雪稳定区[2]。稳定的季节性积雪对土壤中的水分和热量运移的影响在农业生产上具有重要意义[3]。由于积雪自身的高反照率和低导热率，当积雪覆盖地表时，不同深度的积雪在不同时期对土壤具有保温或降温作用，这改变了浅层土壤温湿度，影响了土壤的冻融状态。积雪的存积和消融对春季耕种和作物的生长起到重要作用。当春季积雪消融时，积雪或形成春季径流，或下渗改善土壤墒情，也作为养分输出的主要调节器[4-5]。同时土壤水分通过大气和地表之间的能量交换来调节地表能量循环，为植被的蒸腾作用及光合作用提供能量[6-7]。

东北农田区地表长时间被积雪覆盖，积雪的物候信息直接影响土壤的冻结深度以及浅层土壤温度，从而影响早春微生物的代谢活动和春播进程[8-9]。此外，积雪作为东北地区重要的淡水来源之一，积雪融水直接影响春季墒情，而春季土壤水分和温度条件决定了东北地区春耕整地和春播工作是否顺利开展[10-11]。因此，获知积雪对东北农田的水热影响并采取有效应对措施对农业生产和管理具有重要意义[12]。本数据集在长春和哈尔滨分别开展定点实验，观测不同积雪覆盖厚度下土壤温湿度的变化，形成东北典型农田区2017-2019年积雪-土壤水热地面观测数据集。此外，根据2017-2018年2月1日至3月20日66个农业气象站逐日0-10 cm土壤温湿度和对应站点的ERA5产品数据（包括浅层土壤温湿度数据、雪深数据、经纬度信息），使用多元线性回归方法构建东北典型农田区春季逐日浅层土壤温度和土壤湿度的拟合模型，最终获取了2017年-2020年10 km×10 km分辨率的东北典型农田区春季（2月1日-3月20日）逐日土壤温度数据集和土壤湿度数据集，并利用2019年农业气象站实测土壤温湿度进行验证，结果表明模型具有较高的模拟精度，数据集可满足进一步的应用和研究需求。

1.1 数据采集方法

1.1.1 2017-2019年积雪-土壤水热地面观测数据集

实验一：2016年10月18日-2017年4月10日期间在中国科学院东北地理与农业生态研究所长春园区（43.98°N，125.40°E）分别布设10 m×10 m的裸土和自然降雪样方开展对照实验（图1）。实验场地周围分布着大量农田，每年进行常规的作物种植，地势平坦，对于长春市及周边的农田区在自然环境、气候条件、土壤条件等方面具有一定代表性。此外，实验场农田区的土壤在整个冬季基本保持冻结状态，且冬季降雪量较大，可以很好地观测积雪对土壤水热的影响。本实验在两块农田样方中心地表以下5 cm、10 cm、15 cm、20 cm、40 cm、80 cm处均埋设了自动多路温湿度传感器。积雪样方在整个实验期间保持自然降雪，裸土样方在每次降雪后定期清扫地面存留的积雪，保证整个实验期间，裸土区传感器埋设处及周边一定范围内无积雪覆盖。其他积雪参数采用人工观测，观测方法如下：

积雪密度：采用雪铲和电子秤测量3次取平均值。

积雪深度：使用刻度为1 mm的刻度尺，将直尺贴于剖面，并保证直尺与地面垂直，读数垂直于雪表面和刻度尺，观测积雪深度。

积雪温度：即雪层温度，在观测时，自下而上从积雪和地表交界面开始，每隔5 cm水平插入3个单针电子温度计，静置温度计至读数稳定后，读取数据，读数精确到0.1℃，最后每层的积雪温度为3个温度计读数的平均值。

雪/土壤温度：积雪和土壤间的界面温度，即积雪存在时地表0 cm温度，在观测时，也是使用3个单针电子温度计，静置温度计至读数稳定后，读取数据，读数精确到0.1℃，最后雪/土壤温度为3个温度计读数的平均值。

雪表温度：积雪和大气的界面温度，即积雪表面0 cm处温度。在观测时，将3个单针电子温度计放置积雪表面。如有太阳光照，需要用遮光板遮挡光线，将温度计感应区放置阴影区。静置温度计至读数稳定后，读取数据，读数精确到0.1℃。最后雪表温度为3个温度计读数的平均值。

雪粒直径：用毛刷将待测雪粒径轻扫在雪粒径板上，选择完整的有代表性的雪晶体，用数码显微镜拍摄雪粒径照片，为了避免人为主观选择引起的误差，每一层随机选择5组颗粒进行拍摄，最后使用相应的软件进行测量，记录每个粒径的长轴，最终该层的雪粒直径为5组观测数据的平均值。

图1 积雪-土壤水热观测实验一观测示意图Figure 1 Schematic diagram of Snow-Soil hydrothermal Observation Experiment 1

实验二：2017年11月23日至2018年3月26日在哈尔滨师范大学(45.87°N，126.55°E)进行积雪参数和分层土壤温湿度观测实验（图2）。实验样方大小设置为1 m×1 m，将雪深人工堆积为10cm、20 cm、30 cm、40 cm、50 cm。裸土区在发生降雪后进行清扫，保证整个实验期间裸土区传感器埋设处无积雪覆盖。在每个样方中心埋设温湿度传感器，观测不同积雪状态下及裸土状态地表以下5 cm、15 cm、25 cm、35 cm处土壤温湿度。实验过程中在2017年12月23日、2017年12月25日和2018年1月16日人工观测液态水含量和雪密度，观测方法如下：

液态水含量：通过雪特性分析仪Snowfork获取，取3次平均值。

雪密度：采用雪铲和电子秤测量3次取平均值。

图2 积雪-土壤水热观测实验二观测示意图Figure 2 Schematic diagram of Snow-Soil hydrothermal Observation Experiment 2

实验三：2018年10月1日到2019年5月1日期间在东北农业大学试验区（45.75°N，126.73°E）布设10 m×10 m样方的裸土和自然降雪的对照实验（图3）。土壤温湿度传感器分别埋设在两块试验场土质均匀处地下10 cm、20 cm、30 cm、40 cm、50 cm、60 cm、70 cm、80 cm、90 cm、100 cm处。自然降雪处理地块保持原有的自然状态，裸土区在发生降雪后进行清扫。

图3 积雪-土壤水热观测实验一观测示意图Figure 3 Schematic diagram of Snow-Soil hydrothermal Observation Experiment 3

1.1.2 2017-2020年东北典型农田区春季逐日土壤温湿度数据集

本研究使用的源数据包括两部分，一是吉林西部地区66个农业气象站点逐日观测的0-10 cm土壤温湿度数据（来源于吉林省墒情监测中心），图4展示了农业气象站的分布；
二是ERA5_land再分析数据集，数据的空间分辨率为 10 km×10 km，时间分辨率为 1小时(https://cds.climate.copernicus.eu/cdsapp#!/dataset/)。ERA5是第五代ECMWF大气再分析全球气候数据，该数据集利用物理定律将模型数据与来自世界各地的观测结果整合成一个全球完整一致的数据集。数据集从1950年至今持续更新，可以提供对历史气候的准确描述。本研究下载使用了2017-2020年期间每年2月1日至3月20日的吉林西部逐小时的浅层土壤温度数据、浅层土壤湿度数据、雪深数据。

图4 吉林省典型农田区农业气象站分布图Figure 4 Distribution map of agricultural meteorological stations in typical farmland areas of Jilin Province

1.2 数据处理与制备

1.2.1 2017-2019年积雪-土壤水热地面观测数据集处理

由于停电或者仪器故障等原因，单点定位控制对照实验中土壤温湿度传感器观测存在数据的部分缺失和观测值异常问题，在数据整理过程中，对观测值异常值进行剔除，并标注为NULL值。

1.2.2 2017-2020年东北典型农田区春季逐日土壤温湿度数据集制备

本研究选择吉林省西部作为典型农田区代表，包括长春市、松原市、白城市和四平市。研究中首先根据农业气象站的经纬度提取ERA5数据集中对应像元的土壤温度、土壤湿度以及雪深；
此外，基于多元回归，利用气象站数据和提取的ERA5数据，构建东北典型农田区春季逐日浅层土壤温湿度拟合模型，基于拟合模型在面尺度上生成逐日土壤温湿度数据。

温度拟合模型如下：

其中ERA5Temp代表该像元点ERA5产品的浅层土壤温度值（K），ERA5SD代表该像元点ERA5产品的雪深值（cm），Lon代表该像元点经度，Lat代表该像元点纬度，Ytemp为拟合的0-10 cm土壤温度（K）。

湿度拟合模型如下：

其中ERA5Mois代表该像元点ERA5产品的0-7 cm土壤湿度值（m3m-3），Ymois为拟合的浅层土壤湿度（m3m-3）。

2.1 2017-2019年积雪-土壤水热地面观测数据集

实验一的观测数据集为2016年10月18日-2017年4月10日在中国科学院东北地理与农业生态研究所进行的积雪参数和分层土壤温湿度观测数据。其中：“积雪参数测量数据”观测要素包括积雪深度、积雪温度、雪/土壤温度、雪表温度、积雪密度和雪粒直径；
“1小时步长积雪区和裸土区土壤温湿度观测数据”和“10分钟步长积雪区和裸土区土壤温湿度观测数据”观测要素包括积雪区和裸土区0 cm、5 cm、10 cm、15 cm、20 cm、40 cm、80 cm处土壤温湿度观测数据，数据集共包含3个Excel数据表，共53 446条记录，示例详见表1-2。

表1 积雪参数测量数据Table 1 Measurement data of snow cover parameters

表2 积雪区土壤温湿度观测数据Table 2 Observation data of soil temperature and humidity in snow covered

序号字段内容字段描述量纲示例8 T20_Snow 积雪覆盖下地表以下20 cm处的土壤温度 ℃ 11.80 9 T40_Snow 积雪覆盖下地表以下40 cm处的土壤温度 ℃ 12.20 10 T80_Snow 积雪覆盖下地表以下80 cm处的土壤温度 ℃ 12.20 11 MS05_Snow 积雪覆盖下地表以下5 cm处的土壤湿度 % 25.30 12 MS10_Snow 积雪覆盖下地表以下10 cm处的土壤湿度 % 30.40 13 MS15_Snow 积雪覆盖下地表以下15 cm处的土壤湿度 % 28.60 14 MS20_Snow 积雪覆盖下地表以下20 cm处的土壤湿度 % 25.70 15 MS40_Snow 积雪覆盖下地表以下40 cm处的土壤湿度 % 27.10 16 MS80_Snow 积雪覆盖下地表以下80 cm处的土壤湿度 % 23.70 17 T00_Bare 裸土区土壤表面温度 ℃ 8.6 18 T05_Bare 裸土区地表以下5 cm处的土壤温度 ℃ 10.6 19 T10_Bare 裸土区地表以下10 cm处的土壤温度 ℃ 10.6 20 T15_Bare 裸土区地表以下15 cm处的土壤温度 ℃ 10.5 21 T20_Bare 裸土区地表以下20 cm处的土壤温度 ℃ 10.3 22 T40_Bare 裸土区地表以下40 cm处的土壤温度 ℃ 11.1 23 T80_Bare 裸土区地表以下80 cm处的土壤温度 ℃ 11.0 24 MS05_Bare 裸土区地表以下5 cm处的土壤湿度 % 38.9 25 MS10_Bare 裸土区地表以下10 cm处的土壤湿度 % 41.3 26 MS15_Bare 裸土区地表以下15 cm处的土壤湿度 % 44.0 27 MS20_Bare 裸土区地表以下20 cm处的土壤湿度 % 37.9 28 MS40_Bare 裸土区地表以下40 cm处的土壤湿度 % 34.6 29 MS80_Bare 裸土区地表以下80 cm处的土壤湿度 % 33.7

实验二为2017年11月23日至2018年3月26日在哈尔滨师范大学进行的积雪参数和分层土壤温湿度观测的数据集。其中“积雪密度和液态水含量数据”观测要素包括雪密度和液态水含量。“不同积雪厚度下土壤温湿度数据”观测要素包括10 cm、20 cm、30 cm、40 cm和50 cm积雪厚度覆盖下地表以下5 cm、15 cm、25 cm、35 cm处土壤温湿度，以及裸土区地表以下5 cm、15 cm、25 cm、35 cm处土壤温湿度。数据集共包含2个Excel数据表，共17 008条记录，详见表3-4，由于不同积雪厚度观测区和裸土区的观测要素项完全一致，本文以50 cm积雪厚度下土壤温湿度观测要素项为例说明（表4）。

表3 积雪密度和液态水含量数据Table 3 Snow density and liquid water content data

表4 50 cm积雪厚度下土壤温湿度数据Table 4 Soil temperature and humidity data under 50cm snow thickness

实验三为2018年10月1日到2019年5月1日在东北农业大学观测的分层土壤温湿度数据集。“2018-2019哈尔滨积雪-土壤水热地面观测数据”观测要素包括积雪区和裸土区地表以下10 cm、20 cm、30 cm、40 cm、50 cm、60 cm、70 cm、80 cm、90 cm、100 cm处土壤温湿度观测数据。数据集共包含1个Excel数据表，共10180条记录，详见表5。积雪区和裸土区的观测要素项完全一致，因此表5以积雪区为例展示了该数据集内容。

表5 2018-2019哈尔滨积雪-土壤水热地面观测数据（积雪区）Table 5 Snow-soil water hydrothermal data in Harbin from 2018 to 2019 in snow covered

序号字段内容字段描述量纲示例15 MS30_Snow 积雪区地表以下30 cm土层湿度 % 29.37 16 MS40_Snow 积雪区地表以下40 cm土层湿度 % 29.98 17 MS50_Snow 积雪区地表以下50 cm土层湿度 % 28.10 18 MS60_Snow 积雪区地表以下60 cm土层湿度 % 30.84 19 MS70_Snow 积雪区地表以下70 cm土层湿度 % 30.95 20 MS80_Snow 积雪区地表以下80 cm土层湿度 % 29.44 21 MS90_Snow 积雪区地表以下90 cm土层湿度 % 29.67 22 MS100_Snow 积雪区地表以下100 cm土层湿度 % 32.52

2.2 2017-2020年东北典型农田区春季逐日土壤温湿度数据集

本数据集为tiff格式，数据集为2017-2020年每年的2月1日至3月20日的逐日土壤温湿度数据，共386景数据，空间分辨率为10 km×10 km。如果像元土地利用类型为农田时，此时像元值为0-10 cm的土壤温度（单位：K，如图5）或0-10 cm土壤湿度（单位：m3m-3，如图6），当像元土地利用类型为其他时，此时像元值标记为-255。

图5 2020年2月1日东北典型农田区春季土壤温度数据Figure 5 Soil temperature data in typical farmland areas in Northeast China on February 1st, 2020

图6 2020年2月1日东北典型农田区春季土壤湿度数据Figure 6 Soil humidity data in typical farmland areas in Northeast China on February 1st, 2020

在 2017-2019年积雪-土壤水热地面观测数据集中，原始数据均为人工纸质记录，数据收集完成后，在检查数据的有效性后录入电子数据。并对异常值进行剔除，对于数据缺失的值用NULL填充。研究中对数据的存储方式、数据格式进行统一与规范，提高数据的可读性。

在2017-2020年东北典型农田区春季逐日土壤温湿度数据集中，研究基于2017年和2018年2月1日至3月20日期间66个农业气象站=的逐日土壤温湿度数据建立模型，并利用2019年2月1日至3月20日期间66个农业气象站的逐日土壤温湿度对该数据集进行精度验证。结果表明实测土壤温度数据与产品土壤温度有很好的相关性（皮尔逊相关系数为0.96，均方根误差为1.6℃），实测土壤湿度数据与产品土壤湿度也有较好的相关性（皮尔逊相关系数为0.51，均方根误差为0.04 m3m-3）。

本数据集首先在长春和哈尔滨地区分别开展不同积雪厚度下土壤温湿度的观测实验，为探究积雪多寡对土壤温湿度的影响提供可靠的实地观测数据；
其次基于农业气象站观测数据构建吉林西部典型农田区春季土壤水热数据集，数据集具有时间和空间上的连续性，为评估积雪对春季农田区土壤水热的影响提供真实、可靠的数据支持。

2017-2019年积雪-土壤水热地面观测数据集存储的数据结构类型为.xlsx格式，可用Microsoft Office和WPS打开处理。2017-2020年东北典型农田区春季逐日土壤温湿度数据集采用tiff数据格式存储，在ArcGIS等GIS平台均可进行数据的读取和编辑等操作。

猜你喜欢土壤湿度土壤温度积雪土壤湿度传感器在园林绿化灌溉上的应用初探天津农林科技(2020年3期)2020-08-13基于51单片机控制花盆土壤湿度电子制作(2019年15期)2019-08-27我们福建文学(2019年12期)2019-08-06大粮积雪 谁解老将廉颇心炎黄地理(2017年10期)2018-01-31辽东山区3种人工林土壤呼吸对土壤温度和土壤水分的响应辽宁林业科技(2017年4期)2017-06-22积雪少年文艺·开心阅读作文(2017年1期)2017-02-242000～2014年西藏高原积雪覆盖时空变化高原山地气象研究(2016年1期)2016-11-10管群间歇散热的土壤温度响应与恢复特性浙江大学学报（工学版）(2016年2期)2016-06-05四川盆地土壤湿度时空分布及影响因子分析高原山地气象研究(2016年4期)2016-02-28中国不同气候区土壤湿度特征及其气候响应高原山地气象研究(2016年4期)2016-02-28