集水區尺度土壤水之研究

過去集水區尺度的土壤水觀測受限於大量的勞力、測量儀器及時間需求而難 以進行，近年來由於自動記錄設備的發展、儀器網路的建立以及新測量技術的應 用而得以實現。利用攜帶式測量裝置及透地雷達(ground penetrating radar, GPR)、

電磁感應(electromagnetic induction, EMI)等非侵入式測量設備，也讓大範圍的土壤 水測量變得可行。然而，雖然 GPR 已被成功運用於集水區θ的觀測(Huisman, 2003 )，

但仍有其限制：包括在黏土及導電性強的土壤中運作不良，灌叢茂密造成的接觸 問題以及資料詮釋上的複雜性。而 EMI 的運用係假設孔隙率、有機質及黏土含量 皆為均一(Robinson et al., 2008)，因而無法廣泛應用到異質性較高的區域。相較於 前述兩者，攜帶式測量裝置(如手持式土壤水分計)受到環境因子的影響較少，雖然 對勞力的需求仍高，卻已有效減少了大面積測量所需的成本，因此成為集水區尺 度下常用的測量方法。θ空間分布的特性與隨時間的變化可利用空間結構與時間穩 定性分別描述，分別說明如下：

1.1.1 半變異數分析與空間結構

資料的空間結構(spatial structure)可利用半變異數 (semivariogram)進行分析，

半變異數分析是一種地理統計方法，藉由分析區域變數在一定範圍內的變化量來 討論資料的空間歧異度。其分析流程是將測量範圍內的所有測點，兩兩配對求得 樣本變異圖(sample variogram)，依照樣點間距的不同，計算各間距的半變異數，

並以各種函數模型加以模式化，常用的模型有線性(linear)、指數(exponential)、球 狀(spherical)、高斯(Gussian)模型等。

半變異數會隨著樣點間的距離而增加，當半變異值上升到一定程度時，其值 會趨緩或呈現定值，該數值稱為基值(sill)，到達基值所需的最小距離則稱為影響 範圍(range)，距離為 0 時的半變異值則稱為碎塊效應(nugget effect)，代表空間雜 訊。其成因可能為測量誤差或是缺乏間距較短之配對觀測值。

Liang et al. (2014)利用半變異數指數模型分析了粗坑溪源頭集水區深度 0-12 及 0-20 cm 土壤θ 的空間結構，擬合的結果皆表現出明顯的 sill，顯示其空間分布

是具有連續性的。各次調查結果的 nugget、sill、range 隨著θ�的上升而增加，nugget 的影響方面，Baroni et al. (2013)指出在相對乾燥的情況下，θ與葉面積指數(leaf area index, LAI)表現出相似的空間結構及分布模式，LAI 較大的區域具有較高的θ，顯 示植生抑制了土壤水的蒸發而使土壤在乾燥時保有較高的θ。

1.1.2 時間穩定性與代表性樣點

Vachaud et al. (1985) 將時間穩定性(temporal stability) 定義為在某一點所測 得的土壤含水率測量值在不同次取樣的變動程度。若某一測點的時間穩定性高，

表示在不同時間的調查中，該點的測量值在機率分布函數中的排序是穩定而鮮少 變動的，亦即其變化趨勢與樣區的平均值一致。此概念強調土壤水文性質與空間、

時間尺度之間的交互作用以及與土壤、地形的關係，反應了空間結構在時間上的

5

持續性(Kachanoski and de Jong, 1988)。運用此觀念，可從取樣結果中分別找出代 表平均值、標準差及極端值的樣本，進而用少數的代表性樣本取代大量樣本。分 析方法包括：頻率分析(Frequency distribution)、斯皮爾曼序位相關係數(Spearman rank correlation coefficient)、相對差異法(Relative differences approach)。Vachaud et al. (1985) 的研究結果顯示，頻率分析可以找出具有時間穩定性並可代表θ�和標準 (Vachaud et al., 1985)。但是利用此分析方法則無法進一步探討樣區內環境的空間 變異對含水率時間穩定性的影響。相對差異法常被用來判定某一樣點的測量結果 能否代表樣區的平均變化，並被廣泛用於坡地及集水區尺度的研究。

Brocca et al. (2009)利用 rs分析三個集水區的含水率時間穩定性，其結果顯示 在平均坡度較高的集水區具有較高的 rs值，Mohanty and Skaggs (2001) 的研究結 果亦支持此看法。Grant et al. (2004)利用相對差異法及 rs的分析結果，指出源頭集 水區在不同年之間的θ空間分布具有時間穩定性。Penna et al. (2013)利用坡地尺度 (0.46 與 0.47 ha)的測量結果，指出在不同深度(0-6、0-12、0-20 cm)下，以相對差 異法篩選出的代表性樣點可以代表不同深度的θ�，在不同次取樣中測得的θ與樣區 的θ�表現出高相關性(r² > 0.9)。Lin (2006)利用相對差異法分析了森林集水區(7.9 ha) 不同土壤深度範圍內(0-6、11-29、51-69、91-109 cm) θ的時間穩定性，結果顯各 深度代表性樣點的分布位置並不相同。

Vanderlinden et al. (2012) 整理了θ時間穩定性的相關研究，指出影響時間穩定 性的因素包括觀測的時間及空間尺度、使用的儀器及設置密度，以及土壤深度與 厚度、土壤性質、植生、地形、氣候等環境因子。過去關於土壤性質對時間穩定 性的影響多針對土壤質地(Vachaud et al., 1985; Mohanty and Skaggs, 2001; Cosh et

al., 2008) 及土壤厚度(Zhu and Lin, 2011)進行討論，對於孔隙率及水力傳導度的研 究較少(Ranney et al., 2015)。生長季時，時間穩定性受到植物根系影響而改變，植 生對 0-20 cm 土壤含水率的時間穩定性影響顯著(Gómez-Plaza et al., 2001)。Wang et al. (2015)指出植物根系的存在加劇了土壤含水率的空間變異，因此有植生的地點 含水率時間穩定性較低，且其影響在淺層土壤(30 cm)較深層土壤(100 cm)顯著。

Grayson et al. (1997) 將地形及氣候歸類為非局部的控制因子，其影響在觀測 尺度較大時較顯著。Brocca et al. (2009) 利用相對差異法(Vachaud et al., 1985)評估 集水區內個位置的時間穩定性，並利用多元回歸分析探討含水率相對差異(δi)與海 拔、坡度、與河道的距離、集流面積等地形因子的關係，發現集流面積最能解釋 δi的變化，而海拔、坡度與δi之間也呈現負相關(rs分別為-0.48、-0.40)，在坡度變 化明顯的樣區中，代表性樣點所處的海拔與坡度與樣區平均相似，而在平坦的樣 區中則可視為隨機分布的結果。除此之外，許多研究亦指出地形是影響時間穩定 性的重要因素(Grayson et al., 1997; Famiglietti et al., 1998; Western et al., 1999)。Lin (2006) 利用時間穩定性分析土壤深度 1.1 m 土壤水分蓄積量，結果顯示

較能代表森林集水區平均值的樣點位於沖蝕溝，代表乾燥及濕潤極端狀態的 樣點則分別位於坡頂及谷底，顯示時間穩定性受到坡地區位所影響。Grayson and Western (1998) 根據現地觀測的結果，認為具有代表性的樣點應出現在主要影響 因子較為「平均」的地點，例如地形平坦處，但該研究並未詳細分析各環境因子 的影響。

歸納前人的研究結果，可得知θ的分布及時間穩定性是各項環境因子共同作用 下的結果，當樣區內某項因子在空間上較為均質，則其影響較不顯著(Ranney et al., 2015; Wang et al., 2015)。各因子影響的比重隨著樣區環境的不同而有所變動，並 不能清楚定義出絕對優先的控制因子，只能從各因子間相對的影響強弱來區分主 要與次要的控制因子。