优先流和基质流耦合下水文效应对根孔构型的响应

The strength of hydrological effects of forests affects the structure optimization and function upgrading of forest ecosystems. Rhizosphere which is a pivotal controlling factor of hydrological effects of forests could directly exert more influences on the exchange and transformation of biology, material, and energy carried by water in environmental media. To understand the contribution of rhizosphere to hydrological effects of forests accurately, the typical vegetation communities Coniferous and Broad-leaved Mixed Forest of Fengyang Mountain subtropical forest ecological positioning station in Zhejiang Province are taken as the research objects. Field color tracing experiments, laboratory CT scanning, and mathematical models simulation are applied to illustrate the distribution characteristics of root-pore architecture and build a synthetic index of root-pore architecture; imply the index of hydrological connectivity under preferential flow-matrix flow coupling modes to assess the hydrological connectivity and show the hydrological effects of rhizosphere; and the response mechanism of hydrological effects to root-pore architecture. These findings have practical significance for predicting the vulnerability of structure and function of subtropical forest ecosystems, and understanding the hydrological effects of rhizosphere under preferential flow-matrix flow coupling modes accurately.

森林水文效应强弱影响森林生态系统结构优化和功能提升。根际区是森林水文效应形成机制的关键，直接影响生物、物质、能量等以水流为载体在环境介质中交换转化。为正确理解根际区对森林水文效应的贡献度，以浙江凤阳山亚热带森林生态定位站典型植被群落针阔混交林为研究对象，通过野外显色示踪实验、室内CT扫描以及数学模型构建等方法，研究根际区根孔构型分布特征，构建根孔构型综合指数；基于野外优先流和基质流耦合模式，构建根际区水文连通指数，评估根际区水文连通性，揭示根际区水文效应；探明根际区水文效应对根孔构型的响应机制。研究结果对于预估亚热带森林生态系统结构和功能易受侵害的状态、正确理解优先流和基质流耦合下根际区水文效应等都具有现实指导意义。

根际区是发挥植被水文效应的核心地带，同时也是植被水文效应形成机制的关键区域。根际区直接影响生物、物质、能量等以水流为载体在环境介质中交换转化，正确理解根际区根系构型、土壤特性、孔隙结构对植被水文效应的影响，对于评价植被结构优化和功能提升有重要意义。研究以不同植被群落（刺槐、柽柳、芦苇和碱蓬）根际区为研究对象，通过野外染色示踪实验、野外调查采样、室内根系土壤孔隙分析、机器学习（人工神经网络模型和随机森林模型）数值模拟，对不同植被群落根际区水文效应进行了研究，结论如下：（1）2005-2020年期间，研究区水文连通指数较高的区域，占比逐年增加；2005年，水文连通指数较高的区域主要集中在研究区的中部；自2010年以来，水文连通指数较高的区域斑块数量较多，极为分散，密度高，水文连通指数较小的区域广泛分布在研究区的东部，研究区的西部和中部区域长期保持较高的水文连通指数；（2）不同植被群落根系构型、土壤特性与孔隙结构参数相互之间存在复杂的关系，植被根系、土壤、孔隙构成复杂的混合体结构，彼此之间相互影响，进而对水文效应产生影响；与根系构型（根系长度、宽度、表面积、投影面积、体积和生物量）相比，土壤特性对水文连通指数影响更大，土壤表层（0-20 cm）土壤质地和土壤持水量对水文连通指数影响较大，土壤深层（20-40 cm）土壤持水量和土壤容重对水文连通指数影响较大；（3）与土壤特性相比，根系水文效应往往被忽略，但其对水文连通指数也有影响，草本粗根系（3<根系径级<5 mm）对水文连通指数影响更强；乔木细根系（根系径级<1 mm）对水文连通指数影响更强，且根系长度对水文连通指数变化贡献度更大；（4）与常规线性回归或多元回归分析相比，机器学习能够较好模拟不同土壤深度水文连通指数主要影响因素，随机森林模型能够准确模拟水文连通指数及其每一种因素对水文连通指数的影响强度，人工神经网络模型模拟效果存在较大不确定性。