土壤水力性质包括描述土壤水分含量与能量关系的土壤水分特征曲线及描述土壤导水性质的饱和与非饱和导水率^［1-3］。土壤持水与导水性能决定着土壤水文循环的强度与速率，是土壤水文功能的重要组成部分与影响因素^［4-5］。土地利用/覆被变化会改变土壤质地与结构，影响土壤持水与导水性质，进而通过改变土壤水分有效性，影响植物生长^［3］。

干旱区绿洲-荒漠复合生态系统受资源型缺水、水资源开发利用强度与水资源利用效率变化影响，绿洲、绿洲-荒漠过渡带与荒漠生态系统各景观间频繁转化^［6-8］。自20世纪60年代以来，石羊河中上游工农业生产规模的快速扩张，流入民勤境内的水量急剧减少^［8］。为了满足正常的生产生活需求，当地转向开采地下水，导致地下水位迅速下降，大面积的农田防护林、防风固沙林枯梢/死亡，沙漠化土地面积显著增加^{［7，9-11］}。为了确保民勤不成为“第二个罗布泊”，自21世纪初开始实施流域分水、关井压田、退耕还林、退耕还草等生态治理措施。这些措施实施以来，耕地面积减少，撂荒地、林地与草地面积明显增加，生态环境得到明显改善^［10-11］。但是近年来，随着水资源利用效率的提升，以及对粮食需求增加与农业生产安全的迫切需要，当地开始对绿洲边缘部分撂荒地进行复耕。

耕地撂荒会导致土壤黏粒含量增加，砂粒含量减少^［10］，土壤有机质含量减少^［12-13］，毛管孔隙度增加^［14］，土壤容重明显降低^［14］，耕地退耕会导致土壤水分减少且异质性增强^［15-16］。但是，罕有研究针对撂荒地复耕后土壤水力性质的变化^［7，17］。此外，在评估土地利用变化对土壤水力性质的影响时，通常需要直接测量，但是在大面积评价生态恢复与建设对土壤水力性质的影响时很难实现^［18］，而通过土壤理化性质估算土壤水力性质参数完全可以满足区域水力性质的评估的需求^［18-20］。因此，在民勤绿洲开展耕地撂荒及其复耕对土壤持水与导水性质的影响与模拟研究，以期为受水资源限制的干旱区生态恢复与建设，以及生态效益的快速、准确评价提供理论支撑。

研究区位于石羊河流域下游民勤县西渠镇的中国科学院西北生态环境资源研究院干旱区盐渍化研究站（39.04°N、103.61°E）附近（图1）。该区1981—2010年的平均气温为8.9 ℃，年降水量为113.2 mm，主要集中在6—9月，年潜在蒸发量为1 383.0 mm，干燥度指数（ET/P）为12.2，年日照时数为3 135.5 h，属于典型的大陆荒漠气候。地下水位约为9.5 m，土壤类型为灰棕漠土和绿洲灌淤土。

2007年前，耕地是研究区内主要的土地利用类型，主要轮作玉米、小麦、棉花、茴香等农作物。其后在《石羊河流域重点综合治理规划》的指导下，地方政府实施关井压田、退耕还林还草政策。一部分耕地退耕撂荒自然恢复，另一部分耕地退耕后人工建植柽柳（Tamarix ramosissima）、梭梭（Haloxylon ammodendron）等灌木。撂荒和退耕还林还草地次生演替植被为骆驼蓬（Peganum harmala）、白刺（Nitraria tangutorum）、红砂（Reaumurta soongorica）、盐爪爪（Kalidium foliatum）等。近年来，随着农业水资源利用效率的提高和国家对适宜耕种撂荒地复耕的鼓励，研究区部分适宜耕种撂荒地开始复耕，种植作物与种植方式与周边常年耕作耕地相同，通常采用留茬免耕、秸秆还田等保护性耕作措施。

于2019年4月，以常年耕作耕地作为对照组，另外选取撂荒地（撂荒15年）与撂荒复耕地（复耕5年）为研究对象（图1）。在3类下垫面中心区域，人工分别挖取3个长、宽、深为200 cm×80 cm×100 cm土壤剖面，每个剖面距离间隔10 m以上。在每个剖面内，利用环刀（100 cm³）分别采集5 cm深度（2.5—7.5 cm）、20 cm深度（17.5—22.5 cm）、40 cm深度（37.5—42.5 cm）原状土壤样品，用于土壤容重、土壤饱和导水率与土壤水分特征曲线的测定，每层5个重复，共135个样品。同时，在原状土壤样品相同深度，采集500 g左右新鲜土样置于自封袋中，每层采取5个重复样品，用于土壤机械组成和土壤有机碳的测定。土壤机械组成利用激光粒度分析仪（Mastersize 2000， Malvern Ltd.）测定，然后按照美国农业部（USDA）土壤颗粒分级系统进行分类；土壤有机碳采用重络酸钾法进行测量^［22］。

尽管土壤容重能帮助预测土壤总孔隙度（100%-（土壤容重/土粒密度）×100），但土壤孔隙度的大小和形状，很大程度上决定了孔隙在土壤中的功能^［1］。土壤总孔隙度近似于土壤饱和含水量；土壤大孔隙（直径>0.3 mm）显著影响着土壤水分入渗与导水^［2］，饱和含水量到田间持水量之间的排水过程首先是大孔隙排水，故将土壤大孔隙视为田间持水量到饱和含水量之间的土壤孔隙 ^［22］。

土壤饱和含水量（θ_s，m³∙m^-3）采用环刀法测定^［1］。土壤水分特征曲线（脱水曲线）测定采用离心机法（CR-21G，Hitachi Inc），每个原状样品测定12个点的土壤水吸力-土壤含水量（水吸力分别为1、10、20、40、60、80、100、200、400、600、800、1 000 kPa）。选用美国盐土实验室开发的RETC软件，采用Van Genuchten模型对土壤水分特征曲线进行拟合^［20］。将土壤水吸力为33 kPa^［1］时土壤体积含水量视为田间持水量（θ₃₃， m³∙m^-3），水吸力为1 500 kPa对应的土壤体积含水量视为凋萎系数（θ₁₅₀₀，m³∙m^-3），土壤有效含水量为田间持水量与凋萎系数的差值（θ₃₃-θ₁₅₀₀）^［1］。

土壤饱和导水率（K_s，cm∙d^-1）采用定水头法测定，并采用哈赞公式将不同温度下的土壤饱和导水率转换为10 ℃下的导水率^［1］。基于Van Genuchten持水特征模型联合Mualem导水率模型，获得不同水吸力下的非饱和导水率^［23］。

在土壤水分、溶质运移动力学模拟研究中，土壤水力性质是必不可少的参数。对于小面积田块，土壤水力性质可以直接测定，但是对于大面积的土壤水力性质，通过实测法将需要巨大的工作量且费用昂贵^{［18-19，24］}，利用一些易测得的土壤理化参数可以对土壤水力性质进行较准确的预测，即土壤转换函数（Pedotransfer functions，PTFs）^［3］。本研究选用被纳入土壤转换函数频率最高的易测参数（土壤粒径分布、有机质含量和容重）^［3］，采用多元线性回归、神经网络模型和Rosetta模型分别建立土壤水分常数（θ_s、θ₃₃、θ₁₅₀₀）的转换函数（点估计）。将耕地、撂荒地与撂荒复耕地共135个土壤样品的土壤粒径分布、有机质含量、容重与对应的土壤水分常数，随机选取100个样品作为训练数据集（约占总样品数75%），剩余35个土壤样品作为验证数据集（约占总样品数25%），训练数据集用于建立土壤水分常数转换函数，验证数据集用于土壤转换函数的检验。多元逐步线性回归和神经网络模型被用来直接估计土壤水分常数；首先利用Rosetta模型估计Van Genuchten模型参数，再利用Van Genuchten模型计算土壤水分常数^［25］。比较不同方法建立的土壤转换函数的误差大小，寻找适合预测研究区土壤水力性质的土壤转换函数方法。

利用SPSS 21.0软件进行单因素方差分析（one-way ANOVA），以检验土壤理化性质在耕地、撂荒地和撂荒复耕地的差异性；采用Pearson相关系数法分析土壤水力性质与土壤质地、结构的相关性。利用决定系数（R²）和均方根误差（RMSE）评价土壤转换函数对土壤水分常数的模拟精度^［3］。

式中：y_i为实测值；f_i为拟合值；y¯为实测值的平均值。

研究区内的耕地、撂荒地与撂荒复耕地土壤质地均为壤土。耕地撂荒15年后，0—40 cm深度黏粒与粉粒含量增加（P>0.05），砂粒含量减少（P>0.05）。撂荒地复耕5年后，土壤黏粒含量持续增加（P>0.05），砂粒含量持续降低（P>0.05）。相较于耕地，撂荒地复耕后黏粒与粉粒含量显著高于耕地（P<0.05），砂粒含量显著低于耕地（P<0.05，表1）。

耕地、撂荒地与撂荒复耕地0—40 cm深度有机质含量均随土壤深度增加而显著减少（P<0.05）。耕地撂荒后，土壤有机质含量在5 cm深度降低了4.59%，未达到显著性水平（P>0.05），其余深度均显著降低（P<0.05）。撂荒地复耕后，土壤有机质虽有所增加（P>0.05），但仍显著低于耕地（P<0.05，表1）。

随着土壤深度增加，耕地、撂荒地与复耕地大孔隙度均显著降低（P<0.05）。耕地撂荒后，大孔隙度显著增加（P<0.05）；撂荒地复耕后大孔隙度显著降低（P<0.05），但仍然高于耕地（表1）。

总体上，由于犁底层的存在，耕地与复耕地在20 cm深度附近土壤容重显著高于土壤表层（P<0.05）。耕地撂荒后，20 cm深度土壤容重显著降低（P<0.05），但复耕5年后，容重增加到常年耕作耕地水平（表1）。

Van Genuchten模型对研究区土壤的水分特征曲线拟合结果良好（R²为0.994—0.999，RMSE为0.003—0.008，图2）。无论耕地、撂荒地，还是撂荒复耕地，在高水势阶段（≤33 kPa），5 cm深度土壤持水能力变幅高于20 cm和40 cm深度土壤，表现为5 cm深度土壤饱和含水量显著高于深层土壤（P<0.05，图3A），田间持水量却显著低于深层土壤（P<0.05，图3B），大空隙空间大于深层土壤。在土壤有效含水量对应的中土壤水吸力阶段（33—1 500 kPa），5 cm深度土壤平均持水能力低于20 cm 和40 cm深度土壤；凋萎系数，各深度间差异逐渐缩小，但5 cm深度土壤凋萎系数仍显著低于深层土壤（P<0.05，图3C）；5 cm深度土壤有效含水量低于深层土壤。

同一深度高水势阶段（≤33 kPa），耕地撂荒后土壤持水能力变幅高于耕地（图2），表现为撂荒地0—40 cm土壤饱和含水量显著高于耕地，田间持水量却低于耕地（图3B），大空隙空间大于深层土壤。在土壤有效含水量对应的中土水吸力阶段（33—1 500 kPa），除40 cm深度外，撂荒地土壤平均持水能力低于耕地；土壤凋萎系数低于耕地（图3C）；5 cm土壤有效含水量显著低于耕地（P<0.05，图3D）。撂荒地复耕后，在高水势阶段（≤33 kPa），除40 cm外，土壤持水能力变幅低于撂荒地，表现为饱和含水量降低，但仍高于耕地，田间持水量显著增加（P<0.05），且显著高于耕地（P<0.05）；大空隙空间较撂荒地小。在中土水吸力阶段（33—1 500 kPa），除40 cm外，复耕地土壤持水能力高于撂荒地与耕地，凋萎系数升高，最大有效含水量显著高于撂荒地（P<0.05）与耕地（图3C、D）。

除撂荒地20 cm深度土壤饱和导水率显著高于5 cm与40 cm深度外（P<0.05），耕地、复耕地20 cm深度饱和导水率均低于5 cm与40 cm深度土壤（图4）。在高水势阶段（≤33 kPa），撂荒地5 cm深度土壤导水率高于20 cm和40 cm深度，但随着土壤变干、水势变小，5 cm深度土壤导水率逐渐变小，而20 cm和40 cm深度土壤导水率逐渐变大；耕地与复耕地在整个水势区间，20 cm和40 cm深度土壤导水率均大于5 cm深度（图5）。耕地撂荒后，在低土壤水吸力阶段（≤33 kPa），5 cm和20 cm深度土壤导水率增加，但随着土壤变干、水势降低，土壤导水率逐渐低于耕地；撂荒地复耕后，土壤导水率恢复到常年耕作耕地的水平（图5）。

对耕地、撂荒地与撂荒复耕地土壤水分常数、饱和导水率及对应土壤质地、结构的相关性分析结果显示，饱和含水量与土壤容重、大孔隙度分别呈显著负、正相关（P<0.01）；田间持水量与土壤黏粒含量、容重显著正相关（P<0.01），与砂粒、有机质含量和大孔隙度显著负相关（P<0.05）。与田间持水量的影响因素类似，凋萎系数与土壤黏粒含量、容重显著正相关（P<0.01），与砂粒含量、有机质和大孔隙度显著负相关（P<0.01）。最大有效含水量与土壤粉粒含量、土壤容重显著正相关（P<0.05），与砂粒含量、大孔隙度显著负相关（P<0.05）；饱和导水率与土壤质地、结构无显著相关性（表2）。

土壤粒径分布、有机质含量与土壤容重等易测的土壤性质与土壤水分常数联系密切（表2），这使得采用土壤粒径分布、有机质含量与容重估计土壤水分常数成为可能。训练数据集土壤水分常数与土壤粒径分布、有机质含量与容重的逐步多元线性回归最优模型如下：

式中：BD为土壤容重；Sand为砂粒含量；Clay为黏粒含量。

饱和含水量、田间持水量与凋萎系数的最优回归方程均达到显著性水平（P<0.01），土壤容重、容重与砂粒含量、容重与黏粒含量分别对饱和含水量、田间持水量与凋萎系数的解释达到52.7%、67.7%和82.3%。可见，土壤容重、黏粒与砂粒含量是预测研究区土壤水分常数最主要的变量。

在不过度拟合下，采用1个隐含层的神经网络模型能够准确模拟土壤水分常数（训练集模拟结果R²>0.9）。

对多元线性回归、神经网络模型和Rosetta模型建立的土壤转换函数的预测效果的验证结果显示，3种方法均对凋萎系数的预测效果最好，田间持水量的预测效果其次，饱和含水量预测效果较差（表3）。采用多元线性回归模型对各水分常数预测的R²和RMSE都稍优于神经网络模型的预测结果，特别是对于土壤饱和含水量θ_s，多元线性回归模型模拟精度要显著高于神经网络模型；而Rosetta模型的模拟结果明显差于多元线性回归与神经网络模型。

耕地的撂荒以及撂荒地复耕演变，主要通过植物根系活动、动植物残体输入、耕作方式、有机肥施加等的改变，进而影响土壤的粒径分布、有机质含量、孔隙度与土壤容重等性质^［1，26］。本研究结果显示，耕地撂荒增加了土壤的黏粒与粉粒含量，降低了土壤的砂粒含量，这与前人结果一致^［27］。撂荒地土壤黏粒、粉粒含量增加，主要是撂荒地自然演替植被和人工草灌植被增加了地表粗糙度，降低了近地表风速，能够捕获更多细颗粒物质。李玉进等^［28］和吴建平等^［29］研究发现，耕地撂荒会导致土壤有机质含量增加，但本研究结果显示0—40 cm深度，土壤有机质含量为耕地>复耕地>撂荒地，这可能是由于研究区撂荒地植被覆盖度底，多以斑块状分布，且严重受水分胁迫，生产力低下，凋落物补给有限，加之研究区干旱多风，更不利于凋落物的积累与生物分解。研究区耕地多采用留茬免耕、深翻灭茬还田等保护性耕作措施，以及农家肥的施用，使撂荒地复耕后土壤有机质含量能逐渐恢复到常年耕作耕地水平。但是，由于耕作机械的长期碾压，耕地20 cm深度左右形成紧实的“犁底层”，土壤容重显著高于耕作表层。耕地撂荒后，土壤容重下降，紧实的“犁底层”消失，0—40 cm深度孔隙度显著增加^［29］；撂荒地复耕后，由于耕作机械的使用，“犁底层”重新形成，0—40 cm深度孔隙度明显下降。

土壤质地、有机质含量、容重、孔隙度等性质的变化，会改变土壤的持水与导水能力，进而改变土壤的水分有效性^{［14，30-31］}。土壤持水性与黏粒和粉粒含量显著正相关，与砂粒含量负相关。这是因为黏粒和粉粒具有较大的比表面积，较高的黏粒含量可以增加土壤的持水能力和土壤水分有效性^{［30，32］}；而砂粒含量较高时，土壤的持水能力较弱^［33-34］。土壤有机质含量越高，越有利于土壤团聚体的形成，进而越有利于提高土壤的持水性。土壤的持水与导水能力与土壤孔隙度密切相关^［4，35］，非毛管空隙中的水分受重力作用可以迅速下渗，而借助毛管作用保持在毛管孔隙中的水分^［34］可以稳定地供给植物使用^［16］。尽管耕地撂荒后，土壤质地变细、有机质含量减少，但是土壤大孔隙度的增加与容重的降低，使得撂荒地高水势阶段持水能力增强、饱和导水率变大，这虽然有助于土壤水分的快速入渗，降低地表径流。但是，在土壤有效含水量对应的水势阶段（1 500—33 kPa），撂荒地持水能力降低（土壤田间持水量与凋萎系数均下降），有效含水量减少。撂荒地导水率较耕地与撂荒复耕地的降低，在一定程度能缓冲持水能力变小对植被造成的水分胁迫的影响。这说明，干旱区耕地撂荒或休耕对土壤蓄水能力恢复不显著，而留茬免耕、秸秆还田等保护性耕地措施在增加土壤肥力的同时，能有效提高土壤持水能力。

由于土壤水力性质在时间与空间上的高度变异性，大量的取样才能准确描述下垫面的土壤水力特征^{［19，36］}。利用有限的土壤水力性质与对应的土壤质地、结构参数，建立土壤转换函数，为预测缺失的土壤水力性质提供了一种省时且经济的途径^［19］。用于估算土壤水力性质预测的最普遍的易测理化性质主要是土壤粒径分布、有机质含量与容重。受训练数据集数据质量的影响，各种土壤转换函数对土壤水力性质的预测精度存在一定的差异，且在不同区域的适用性差异显著。神经网络模型由于不需要先验假设，只通过一个迭代过程就能获得输入参数与输出土壤水分常数之间的最优关系，在理论上可以从输入数据中提取最大程度的信息，并建立起最为精确的土壤转换函数。众多研究表明，神经网络模型在预测土壤水力学参数方面的效果总体上好于回归分析方法。本研究中，由于训练样本数量有限，多元线性回归模型对土壤水分常数的模拟效果优于神经网络模型，而且土壤有机质含量没有被纳入土壤水分常数预测模型，提高了研究区局部和区域尺度上土壤水力性质预测的便捷性。Rosetta模型的训练数据主要来源于北美和欧洲的温带和亚热带地区^{［25，37］}，由于成土母质及过程的差异，样本数据库具有明显的地域性，因此Rosetta模型在模拟民勤绿洲耕地、撂荒地及复耕地水分常数时，其模拟效果较多元线性回归模型效果差。

土地利用变化显著改变了干旱区绿洲土壤的水力性质。耕地撂荒增加了土壤中黏粒与粉粒含量，降低了土壤有机质含量与土壤容重，增加了土壤总孔隙度、大孔隙度与饱和导水率，使得高水势段土壤持水与导水能力增强；但是，在土壤有效含水量对应的水势阶段，土壤持水与导水能力变差，最大有效含水量降低。耕地撂荒解除了犁底层限制，但是撂荒地复耕后，犁底层重新出现，土壤质地、结构以及水力性质又逐渐趋向于耕地水平。这说明耕地撂荒或休耕对干旱区耕地土壤肥力与蓄水能力的提升不显著，而留茬免耕、深耕灭茬等保护性耕作措施，如再辅以适当增加旋耕深度，既能解除犁底层限制，又能有效提高土壤肥力与持水能力。

民勤绿洲边缘土壤质地（黏粒、砂粒含量）、容重与土壤水分常数显著相关，可以较为准确地预测土壤水分常数。在大范围调查、评估研究区退耕还林还草、耕地撂荒等土地利用变化对土壤水力性质影响时，可利用土壤质地（黏粒、砂粒含量）、容重等易测土壤物理参数对土壤水力性质进行预测，可以减少工作量，降低物力和财力成本。