地形指数分类方法对土壤水分空间表征的影响：DEM类型与分辨率的多维度评估

这篇研究通过k-means聚类分析揭示了4.2公顷牧场土壤水分可划分为3类空间单元，系统评估了等间隔、等面积、Fisher和k-means四种分类方法，以及USGS（1/9 m）与无人机LiDAR DEM（0.25-10 m）分辨率对地形指数类（TIC）表征土壤水分的影响。研究发现低分辨率（10 m）公开DEM比高分辨率LiDAR DEM更能准确估算土壤水分，且等间隔分类法表现最优，为水文模型参数化提供了关键方法学依据。

　　

土壤水分空间表征的地形指数工具

研究聚焦地形指数（TI）作为土壤水分空间变异性表征工具的有效性。通过整合上坡贡献面积与坡度，将TI值分组为地形指数类（TIC），可提升复杂景观的水文模型表征能力。然而，TIC性能受输入数据源和分类方法的显著影响。

研究方法与数据

在弗吉尼亚州4.2公顷牧场布设25个采样点，采用时域反射仪（TDR）获取0-12 cm土层体积含水量（VWC），并通过土壤孔隙度换算为饱和百分比（PerSat）。利用k-means聚类结合肘部分析和Gap*统计确定最优土壤水分分组数为3类。对比了等间隔、等面积、k-means和Fisher四种分类方法，以及USGS（1/9 m）与无人机LiDAR DEM（0.25-10 m分辨率）生成的TIC地图。

关键发现

DEM分辨率效应：低分辨率（10 m）LiDAR DEM的TIC与实测水分模式Spearman相关性（r=0.52-0.58）优于高分辨率（0.25-4 m）DEM（r=-0.41至-0.17），而USGS 1 m DEM表现最佳（r=0.64）。这源于高分辨率DEM过度捕捉地表粗糙度，干扰了水流路径的整体模式识别。

分类方法差异：等间隔分类法在USGS DEM中表现突出，其TIC误分类率最低（36%），而等面积法因强制33.3%的均等面积分配，导致湿润区面积高估。k-means与Fisher分类的TIC空间格局相似，但Fisher对局部异质性更敏感。

土壤水分聚类特性：肘部分析显示3类分组可解释56%-64%的土壤水分变异，优于更多分组。Silhouette系数分析证实，尽管k=2时得分更高（0.36-0.40），但k=3能减少样本误分类，更符合实际水分梯度（如低洼区ID 22-25持续湿润）。

机制讨论

DEM类型影响：USGS DEM（2点/m²）比无人机LiDAR（1100点/m²）更适用于水分预测，因其适度平滑了微地形噪声。D-inf多流向算法增强了复杂地形的汇流模拟，但Winzeler等指出DEM泛化（如滤波）对TI性能的提升优于流向算法选择。

分类学意义：TIC的类面积占比直接影响模型参数化。例如，等间隔法将74%-91%区域划为干燥类（Class 1），而自然断裂法更均衡（Class 3占4%-18%），这对变量源区（VSA）水文过程的模拟精度至关重要。

应用前景

研究为半分布式水文模型（如SWAT-VSA）的TIC参数化提供了方法论框架：优先选用USGS 1 m DEM与等间隔分类组合，在喀斯特地貌区可适当降低分辨率以平衡细节与泛化需求。未来需探索LiDAR点云密度优化与土壤质地-地形耦合效应，以拓展TI在不同生态区的适用性。