地球关键带(Earth's Critical Zone)的概念由美国国家研究理事会(National Research Council)在《地球科学中基础研究的机遇》中首次提出，其含义是指异质的近地表环境，土壤、岩石、水、空气和生物在其中发生着复杂的相互作用，调节着自然环境，决定维持生命的资源供应，被认为是21世纪基础科学研究的重点领域之一^{[1, 2]}。地球关键带关乎人类的生存和发展问题，与经济社会和生态环境关系紧密，其中发生的一系列物理、化学和生物过程深受人类活动影响^[3]，开展地球关键带研究具有深远的科学和实践意义。

我国关键带研究起步相对较晚。根据气候、植被、土壤等自然地理因素，我国关键带可以划分为黄土关键带、黑土关键带、喀斯特关键带、红土关键带等。中国黄土高原地处东亚腹地^[4]，是世界上分布最集中、堆积最厚、面积最大的黄土区，总面积64×10⁴km²，覆盖中国陕、甘、宁、青、豫、晋、内蒙古7省区大部或一部，与七省区人民的经济、生活息息相关。黄土关键带是我国乃至世界上典型的地球关键带之一^[5]，面临着土壤侵蚀强烈、土地资源受到破坏、生态环境脆弱等问题^[6]，成为我国西部开发的重大限制因素^[7]，其生态建设问题显得尤为重要^[8]，因此，亟须从多学科、多尺度、多方位等方面对黄土高原关键带的一系列生态、水文、生物地球化学等过程开展系统研究。

作为黄土关键带中的关键要素之一，土壤水分同时又是黄土高原植被恢复与生态环境重建的决定因子，与土地植被状况息息相关^[9~11]，影响着关键带中物质的运移、植被的生长和水资源量的变化。黄土关键带存在着降雨稀少，地下水埋藏深的特点，土壤储水是维持该地区植被生长的主要来源^[12]。由于黄土区气候较为干旱，土层深厚，植被往往需要利用深层的土壤水分以维持正常生长，该区的典型植被(如苹果、柠条)根系分布及耗水深度大都超过2m甚至更深^{[13, 14]}，因此深层土壤水分对该地区植被生长和生态系统健康尤为重要^[15]。由于野外取样技术、工作量等现实挑战，深层土壤水分研究较少且深度较浅^{[16, 17]}。

由于Hydrus模型能模拟不饱和、部分饱和、完全饱和条件下土壤水、热与溶质运移^[18]，模型中同时考虑了土壤水分运动和植物根系吸水作用，输入输出便捷^[19]，Markewitz等^[20]借助Hydrus-1D模型研究了亚马逊热带雨林区11.5m深度的土壤水分动态，结果显示植物根系对深层土壤水分动态具有显著影响，其研究成果为借助该模型研究不同植被类型下的深剖面土壤水分动态提供了参考。因此，为探明黄土关键带深层土壤水分变化过程，我们动态监测长武王东沟小流域两种代表性作物小麦和苹果的种植地块中0~18m深度土壤含水量(2011~2013年，共选择11个不同日期进行深剖面土壤水分监测)，并结合Hydrus-1D模拟的方式，验证该模型在黄土关键带深剖面土壤水分动态模拟的适用性并分析其主要影响因素。相关结果有助于借助该模型研究类似关键带地区深剖面土壤水分变化规律。

研究区位于陕西省长武县王东沟小流域的中国科学院长武黄土高原农业生态试验站(图 1)。该试验站位于长武塬的中部，塬区平均海拔约1200m，地处黄河中游，东距西安市200km，地带性土壤为黑垆土，表土为深厚的中壤质马兰黄土^[21]。研究区属暖温带半湿润大陆性季风气候，年均降水量564.2mm，年均气温9.5℃(1985~2013年，图 2)，降水年际变化大且年内分布不均，7~9月的降水占70 %。年均蒸发量1358mm，年均无霜期194天，年均太阳辐射值5266 M ·J/m²，干旱指数1.71，无灌溉条件，为典型的旱作雨养农业区^{[22, 23]}。塬区地下水位在土壤表面在60m以下，地下水无法通过毛管作用向上供给植物生长。

图 1(Fig. 1)

图 1 研究区位置及采样点分布 Fig. 1 Location of study area and distribution of sampling points

图 2(Fig. 2)

图 2 长武1985~2013年日平均气温及降水量 Fig. 2 Changes in daily precipitation and mean daily air temperature in Changwu on the Chinese Loess Plateau in 1985~2013

20世纪80年代，长武塬区开始大面积种植苹果，目前苹果种植面积超过60 % ^[24]。2011年，我们在长武黄土高原农业生态试验站附近选取代表性苹果园(果园面积大于50m×50m，1985年种植)和永久性农田(种植小麦)(图 1)，以探求黄土关键带深层土壤水分变化过程并进行Hydrus-1D模型模拟。选取的苹果园与农田距离约500m，保证了采样区拥有类似的坡向、坡度等地形条件。两块样地均属雨养农业、无灌溉，并由当地农民进行常规管理。

本研究共设置两个采样点，每个采样点分别选在苹果园(35°14′34″N，107°41′5.2″E；海拔1256m)和小麦地(35°14′27.6″N，107°40′56.8″E；海拔1225m)的中心位置。已有研究表明，苹果树根系分布的集中区域在距树干0~1.5m范围内，这一区域根干重占总根干重的90.29 % ^[25]，同时当距离树干超过2m时，苹果树根系分布急剧减少^[26]。本文中苹果园的果树种植间隔为4m×5m，株间距远大于苹果树根系分布范围，因此在苹果地将取样点选在距离代表性果树树干1m处。由于本文旨在探究不同土地利用下Hydrus-1D模型对深剖面土壤水分模拟的适用性并揭示主要影响因素，因此在垂直方向设置了较为密集的采样点，对水平方向对比有所简化。取样点土壤和根系样品均以10cm、20cm和50cm的间隔在0~0.2m、0.2~6.0m和6~18m的土层收集，每个采样点在竖直方向采集土壤样本55个，共计110个土壤样本。采样工具为直径10cm的土钻。表 1为苹果地和小麦地土壤分层及颗粒组成。

表 1(Table 1)

表 1 苹果地及小麦地土壤分层及颗粒组成 Table 1 Soil layer and particle composition of apple orchard and wheat field 土地利用 方式 深度 /cm 土壤 类型 平均土壤颗粒组成/% 粘粒 粉粒 砂粒 0~240 黑垆土 30.9 62.0 7.1 苹果地 240~1040 1390~1800 黄绵土 31.1 61.9 6.9 1040~1390 红土 32.9 62.3 4.8 0~160 黑垆土 33.1 59.3 7.6 小麦地 160~1090 1350~1800 黄绵土 30.4 62.1 7.6 1090~1350 红土 29.6 64.7 5.7

表 1 苹果地及小麦地土壤分层及颗粒组成 Table 1 Soil layer and particle composition of apple orchard and wheat field

从每个采样点收集土壤和植物根系样品后，在取样点附近安装铝制中子水分测管，管长18m，由3个6m管串联而成。中子管安装完成后，稳定一个月，开始监测。各深度土壤体积含水量通过中子水分仪测定，两块样地块同时测定，确保有相同的上边界条件(气温、降水等)。从2011年至2013年，选择11个不同的采样日期，分别以10cm、20cm的间隔测定各采样日期内0~1m、1~18m土层的慢中子计数率(slow-neutron counting rates，简称CRS)，共计测量11次。每个深度的土壤含水量使用已有的校准曲线，从慢中子计数率计算^[27]：

式中θ代表体积含水率，CR代表中子计数比。中子仪校准过程中对植被类型、土壤质地以及土壤深度等因素的代表性进行了充分考虑，校准结果与Jia等^[28]在黄土高原的校准结果相近，因此认为中子仪测量的土壤含水量值与实际值误差很小，校准结果能够很好地代表研究区土壤含水量的实际情况。土壤颗粒组成采用激光衍射法，通过Mastersizer 2000激光粒度分析仪测得。死根不具有吸水作用，若将其统计在根系生物量中并输入模型，会产生误差，因此选择植物的鲜根进行根系生物量的统计。测量鲜根质量时，先仔细洗涤植物根样以去除附着于根上的土粒，在吸水纸上晾干后称取鲜重。由于深层土壤原状土的采集比较困难且对剖面扰动较大，因此，剖面土壤的容重和饱和导水率未直接测量，而是通过传递函数模型进行估算。

本次模拟以天为单位，模拟苹果地和小麦地0~18m土层的土壤水分运动过程。由于土壤蒸发和植物蒸腾都会影响土壤水分的运移，因此将上边界选为具有作物覆盖的可积水的大气边界层；因为取样区地下水水位位于土壤表层以下60m，因此将下边界设为自由排水边界；初始值采用第一次实测土壤含水量；气象边界条件(潜在蒸散量、叶面积指数)手动输入。

通过实测的剖面土壤颗粒数据，将苹果地与小麦地剖面划分为4层，包括3种土壤类型，从土壤表面向下依次为黑垆土、黄绵土、红土和黄绵土。用于对照的苹果地和小麦地的实测剖面土壤颗粒组成分布如图 3所示。

图 3(Fig. 3)

图 3 苹果地与小麦地剖面土壤颗粒组成及所占比例 Fig. 3 Composition and proportion of soil particles in apple orchard and wheat field

苹果地与小麦地剖面各层van Genuchten模型特征参数由实测剖面各层土壤颗粒组成取平均值并分别输入模型，通过模型内置神经网络模型反推得到，并使用前5次实测土壤水分数据进行反推和校正，校正后的结果如表 2所示。

表 2(Table 2)

表 2 苹果地及小麦地van Genuchten模型参数 Table 2 van Genuchten model parameters in apple orchard and wheat field 采样区 植被 土壤 类型 van Genuchten模型参数 θr(滞留 含水量) /cm3·cm-3 θs(饱和 含水量) /cm3·cm-3 α(1/进气 吸力) /cm-1 n(孔隙 体积分 布指数) Ks(饱和 导水率) /cm·d-1 黑垆土 0.0906 0.3400 0.0084 1.5040 31.00 小麦 黄绵土 0.0900 0.3400 0.0076 1.5317 11.33 红土 0.0873 0.5713 0.0075 1.5380 10.81 黑垆土 0.0883 0.3725 0.0078 1.5265 11.24 苹果 黄绵土 0.0886 0.4734 0.0079 1.5236 11.23 红土 0.0914 0.4809 0.0085 1.5055 10.79

表 2 苹果地及小麦地van Genuchten模型参数 Table 2 van Genuchten model parameters in apple orchard and wheat field

本文模拟时段从2011年开始至2013年，所需气象数据由当地气象站提供，但由于缺乏辐射等数据，故潜在蒸散量未采用传统的彭曼-蒙蒂斯法(Penman-Monteith)^[29]，而采用FAO推荐使用的另一种方法：哈格雷夫法(Hargreaves)^[30]，该方法由美国国际灌溉研究中心提出，只需要温度和天顶辐射值，基本公式为：

式中ET₀为参考作物潜在蒸散量(kg/(m² d))，R_a为大气层顶辐射(M ·J/(m² d))，可根据当地纬度计算或由FAO提供的大气层顶辐射值表查得。λ为水的汽化潜热，λ=2.45(M ·J/kg)，T_max、T_min分别为日最高、最低气温(℃)，T_mean为日平均温度(℃)。

由于模拟期较长，故模拟区叶面积指数(LAI)通过遥感数据反演，以获取模拟期全期内目标区域的叶面积指数。本文使用的遥感数据来自于搭载在Terra和Aqua卫星上的中分辨率成像光谱仪(MODIS)，主要通过其观测的归一化差分植被指数(NDVI)在ENVI中计算得到。MODIS NDVI数据通过NASA的陆地过程分布式动态档案中心(LP DAAC，https://lpdaac.usgs.gov)下载，由于分辨率较低(250m)，输入模型后使用了5次实测数据进行校正。

植物根系根据实测不同深度鲜根数据输入，通过分析发现苹果地6m以下的鲜根系对土壤水分分布格局的影响较小，因此，苹果地的根系吸水模型中不考虑6m以下的根系。

本研究中，利用前6次的实测数据进行调参和校正，后5次实测数据进行预测效果检验。模拟精度主要通过包括模拟土壤含水量与实测土壤含水量之间的决定系数(coefficient of determination，简称R²)、相对误差(relative error，简称RE)、均方根误差(root mean square error，简称RMSE)，各指标的计算公式为：

决定系数(R²)：

相对误差(RE)：

均方根误差(RMSE)：

以上3个公式中m_i和s_i分别表示第i个样本的模拟含水量和实测含水量，m和s分别表示模拟含水量平均值和实测含水量平均值，N为样本个数。

变异系数(CV)是表征土壤含水率变化幅度的指标，CV值越大，土壤含水率变化越剧烈，CV值越小，土壤含水率越稳定^[31]。已有研究表明不同土地利用类型是影响土壤水分变异格局最为重要的因子之一^[32]，深刻影响着土壤中的物质循环与能量流动，改变土壤水分等生态过程^[33]。图 4为取样期内苹果地与小麦地实测剖面各深度土壤含水量变异系数及根系的分布状况。由该图 4可见，小麦地与苹果地在6m以上的土壤水分变异系数有较大差别。随深度的增加，两者土壤水分变异系数整体都呈现下降趋势，但是从地表至地下3m范围内，苹果地土壤水分变异系数下降幅度大于小麦地，变异系数值整体小于小麦地；而从3m至6m范围内，苹果地变异系数变化幅度仍大于小麦地，变异系数呈现先增加后减小的趋势，但变异系数整体大于小麦地。而在整个剖面上，可以发现苹果地根系生物量分布在不同深度差异不大，根系较多的分布深度为0.4m、7.5m及17m附近，整体上分布较为均匀；而小麦地根系则主要分布在表层0.5m范围内。结合图 5苹果地与小麦地在0~6m及6~18m深度平均变异系数的差异，可以证明当其他条件相似时，不同土地利用类型对研究区黄土关键带6m以上土壤水分动态有较大影响，原因可以归结为：不同土地利用类型造成的地上植被的覆盖范围、地下植物根系分布格局、蒸散能力及作物耗水特性之间的差异，进而产生不同的土壤水分过程及运动机制^[34]。

图 4(Fig. 4)

图 4 苹果地及小麦地土壤水分变异系数及剖面根系分布 Fig. 4 Coefficient of variation of soil water content and root distribution in apple orchard and wheat field

图 5(Fig. 5)

图 5 不同深度范围小麦地与苹果地平均变异系数对比 Fig. 5 Comparison of average coefficient of variation between wheat field and apple orchard in different depth

图 6a为苹果地采样日期内的11次实测含水量数据及土壤含水量在该时段内的变异系数。苹果地不同取样日期内的土壤含水量分布介于0.1~0.29cm³/cm³ 之间，分布较为集中。土壤质地、植被根系、降水蒸发等因素都不同程度影响剖面上的土壤水分分布。从2011年至2013年的11个采样日期内，剖面的土壤含水量变化呈现相似的规律，从土表至地下10m土壤含水量均呈下降趋势，从10m至14m土壤含水量呈先上升后下降趋势，从14m至18m土壤含水量再次缓慢增加。结合土壤含水量变异系数可以发现其变化幅度最大的范围为地表至1m深处，因为从2011年至2013年，采样时间间隔较大，包括雨季和非雨季，因此可能与研究区的降雨入渗、蒸发及植物根系吸水有关。从图 6a中可以看出，1m至6m土壤含水量及变异系数有较大波动，6m以下土壤含水量波动较小。6m以下苹果地鲜根分布有较大变化，但土壤含水量变异系数小于5 %，表明6m以下的鲜根系对土壤水分分布格局的影响较小。

图 6(Fig. 6)

图 6 苹果地(a)和小麦地(b)实测含水量及变异系数 Fig. 6 Measured soil water content and coefficient of variation in apple orchard (a) and wheat field (b)

图 6b为小麦地11次实测含水量数据及土壤含水量在该时段内的变异系数。从2011年至2013年的11个采样日期内的土壤含水量分布介于0.09~0.28cm³/cm³之间，分布同样较为集中。从土表至地下3m土壤含水量均呈下降趋势，从3m至12m土壤含水量呈缓慢上升趋势，从12m至18m土壤含水量整体呈下降趋势。土壤含水量变化幅度较大的范围为地表至地下3m，其中地表至地下1m变化幅度最大，同样认为降雨、蒸发等上边界条件及小麦根系吸水对0~1m深度土壤含水量影响较大；从1m至3m范围内土壤含水量变化幅度减小，3~18m土壤含水量变异系数较小，土壤含水量随时间波动很小，这一结果与黄土关键带六道沟流域观测结果相近^[35]。结合图 4可以发现，在发挥作用的根系区及近根系区，土壤含水量变化受根系分布格局及土壤质地共同影响，接近地表时还同时受降雨、蒸发等上边界条件影响；而非根系区内土壤含水量的主要影响因素为土壤质地，这与Wang等^[36]在黄土高原观测到的结果一致。

小麦地和苹果地在从2012年11月1日至2013年6月28日期间的5次采样日内的模拟结果显示(表 3)，模型在苹果地和小麦地这两种不同利用类型的土地上总体体现了良好的模拟效果。模拟评价指标值如表 3所示。从决定系数(R²)来看，苹果地实测值与模拟值决定系数介于0.5923~0.7637之间，小麦地实测值与模拟值决定系数除第一次外介于0.4019~0.6822之间，对于全剖面模拟来说结果在可接受的范围之内。从相对误差(RE)和均方根误差(RMSE)来看，两项评价指标的值都很小，苹果地实测值与模拟值相对误差绝对值介于3.33 % ~5.20 %之间，均方根误差介于0.0149~0.0168cm³/cm³之间；小麦地实测值与模拟值相对误差绝对值介于2.64 % ~4.58 %之间，均方根误差介于0.0177~0.0247cm³/cm³之间。

表 3(Table 3)

表 3 苹果地及小麦地模拟评价指标 Table 3 Evaluative index of simulation in apple orchard and wheat field 采样区 植被 评价 指标 日期 2012/11/1 2012/12/26 2013/2/22 2013/5/3 2013/6/28 R2 0.7637 0.6838 0.6775 0.6790 0.5923 苹果地 ∣RE∣ 3.33% 4.88% 4.57% 5.20% 4.69% RMSE 0.0149 0.0168 0.0160 0.0157 0.0168 R2 0.2414 0.4062 0.4019 0.6356 0.6822 小麦地 ∣RE∣ 2.75% 4.58% 4.24% 2.64% 2.80% RMSE 0.0247 0.0218 0.0219 0.0191 0.0177

表 3 苹果地及小麦地模拟评价指标 Table 3 Evaluative index of simulation in apple orchard and wheat field

在整个模拟期内，从2012年11月1日至2013年6月28日，模拟时长逐渐增加，苹果地5次采样日期内决定系数整体呈现下降趋势，相对误差的绝对值与均方根误差整体呈现上升趋势；小麦地决定系数整体呈现上升趋势，相对误差的绝对值呈波动变化但模拟开始与模拟结束时的变幅不大，均方根误差整体呈现降低趋势。表明随着模拟时间的增长，苹果地模拟效果呈逐渐变差趋势，而小麦地模拟效果则呈逐渐变好的趋势。

在同一天内，前4次测量日期苹果地决定系数与均方根误差两项模拟指标均优于小麦地相应指标；最后一次测量日期苹果地与小麦地这两项模拟值接近。同一天内小麦地相对误差的绝对值均小于苹果地。

图 7和图 8分别为苹果地和小麦地全剖面模拟结果。从地表到2m深度苹果地和小麦地模拟值和实测值存在一定偏差，2m以下模拟值与实测值较为接近，土壤含水量变化趋势吻合较好，随深度增加，接近18m时偏差呈增长趋势。

图 7(Fig. 7)

图 7 苹果地剖面含水量模拟结果 Fig. 7 Simulation results of soil water content in apple orchard profile

图 8(Fig. 8)

图 8 小麦地剖面含水量模拟结果 Fig. 8 Simulation results of soil water content in wheat field profile

总体而言，苹果地模拟效果好于小麦地。模型对深剖面土壤含水量模拟精度较好，可用于该地区黄土关键带深剖面土壤水分的模拟。但可以看出模型尤其是苹果地的模拟效果受模拟期时间的长短影响较大。

蒸腾作用是影响土壤含水量的重要因素之一，影响蒸腾的植物因素有地上和地下两部分，地上部分叶面积指数(LAI)影响叶面蒸发量与棵间蒸发量的比例^[37]。本次模拟LAI数据由MODIS传感器产生的NDVI数据反演得到。图 9为采样区NDVI遥感影像，图中上方五角星标示位置为小麦地，下方五角星标示位置为苹果地，白色十字标记为其他种植年限苹果地，图中每一小格为一像元，边长为250m。由于卫星分辨率限制，小麦地NDVI数据与邻近苹果地NDVI数据处于同一像元中，在计算时会受到邻近苹果园影响。因为同时期苹果地LAI值大于小麦地LAI值，因此造成最终得到的小麦地LAI值大于实际值，而取样的苹果地LAI计算值则较准确。表 3显示苹果地同一日期内决定系数大于小麦地，均方根误差小于小麦地，苹果地模拟结果均优于小麦地，表明LAI的准确率将显著影响模拟结果的准确性。因此在条件允许的情况下，若研究区尺度较小，建议通过实测方法获得LAI数据。

图 9(Fig. 9)

图 9 采样区NDVI遥感影像及采样点分布 Fig. 9 NDVI remote sensing image of sampling area and sampling point location

表 3显示，通过对比模拟前期和模拟后期的模拟评价指标，苹果地中随着模拟时间的增长，决定系数R²从0.7637下降至0.5923，相对误差RE的绝对值从3.33 %上升至4.69 %，均方根误差RMSE从0.0149上升至0.0168，各项模拟指标整体呈现变差趋势；而小麦地中随着模拟时间的增长，决定系数R²从0.2414上升至0.6822，相对误差RE的绝对值从2.75 %变化至2.80 %，均方根误差RMSE从0.0247下降至0.0177，各项模拟指标均呈现变好趋势。结合图 4中整个土壤剖面上苹果地与小麦地植物根系分布格局可以发现苹果地根系分布较深(模型输入至6m)，而小麦地根系分布较浅(最深为地下1.6m)。苹果树作为多年生植物，根系分布较深，影响范围较广，其根系的生长活动在整个模拟期内持续发生，而小麦则按季播种，加之其根系范围自身较浅，影响范围小于苹果树根系，同时根系生长活动在模拟期内的发生时间有限。由于模拟期较长，植物根系在模拟初期与模拟后期的分布格局会发生改变，因此会造成根系自身的吸水能力发生改变，同时引起周围土壤水分状况的变化。这说明作为土壤水分传输的“优先通道”^[38]，植物根系分布格局的改变及由此引起的近根系土壤水分变化对较长模拟期内模型模拟效果存在显著影响。鉴于此，模拟时间尺度较长且根系分布较深时，建议使用新测量的实测数据重新校正模型。

此外，本文还存在一定不足。由于条件所限，未能通过实地测量的方法获取LAI及土壤水力参数，在一定程度上影响模拟效果。同时取样日期间隔较大，未能实现时间尺度上连续的相关分析，在今后需要加强这方面的工作。

本文选择了长武黄土高原农业生态试验站附近选取代表性苹果园(果园面积大于50m×50m，1985年种植)和永久性农田(种植小麦)，设置两个采样点，每个采样点分别选在苹果园和小麦地的中心位置。然后以10cm、20cm和50cm的间隔在0~0.2m、0.2~6.0m和6~18m的土层收集取样点土壤和根系样品，并从2011年至2013年，选择11个不同的采样日期，分别以10cm、20cm的间隔测定各采样日期内0~1m、1~18m土层的慢中子计数率，以此计算这11个采样日期内苹果地和小麦地深剖面土壤含水量，并从不同土地利用类型以及不同深度范围两个角度分析了0~18m深剖面土壤水分动态变化规律。之后，借助Hydrus-1D模型模拟了苹果地和小麦地两种不同利用类型的土地0~18m深剖面土壤水分动态变化，模拟结果显示Hydrus-1D模型较好地模拟了研究区深剖面土壤水分动态，体现了模型在该地区的适用性，有助于借助该模型研究类似关键带地区深剖面土壤水分变化规律。通过分析不同土地利用类型及不同深度范围内深剖面土壤水分实测数据以及Hydrus-1D模型对0~18m深剖面土壤水分动态的模拟结果，得出了以下结论：1)研究区深剖面土壤水分介于0.09~0.29cm³/cm³之间，苹果地(6~18m)、小麦地(3~18m)的深层土壤含水量随时间变化很小，0~1m土壤含水量随时间变化较大；不同土地利用类型造成地上植被的覆盖范围、地下植物根系分布格局、蒸散能力及作物耗水特性之间的差异，进而产生不同的土壤水分过程及运动机制；在根系及近根系区，土壤含水量变化受根系分布格局及土壤质地共同影响，接近地表时还同时受降雨、蒸发等上边界条件影响；在非根系区，土壤含水量的主要影响因素为土壤质地。2)Hydrus-1D模型在模拟黄土关键带深剖面土壤水分上具有较好适用性，影响模拟精度的主要因素有以下两个方面：叶面积指数(LAI)影响叶面蒸发量与棵间蒸发量的比例，进而影响植物蒸腾作用并导致土壤含水量发生改变，其准确率对模拟结果的准确性影响显著。因此当条件允许时，若研究区尺度较小，建议通过实测方法获得LAI数据；作为土壤水分传输的“优先通道”，植物根系分布格局的改变及由此引起的近根系土壤水分变化对较长模拟期内模型模拟效果存在显著影响，若模拟时间尺度较长且根系分布较深，建议使用新的实测数据重新校正模型。

致谢 感谢审稿专家提出了建设性意见和编辑部杨美芳老师提出了许多有益的修改建议。