基于树木雷达(TRU)的树根密度对城市土壤水分入渗的影响

摘要： 城市化往往导致土壤紧实，降低土壤水分入渗率，进而增加径流和洪水。比较不同根系分布的树根系统的入渗速率，有助于建立预测模型和改进树种选择，以缓解城市环境中的径流和洪水。在上海，用树木雷达对 10 种不同树种的 90 棵树木进行了扫描， 测定了土壤性质和根系特征，分析了它们对土壤入渗的影响。与草坪相比，树根增加了初始入渗率（ 53-330%）和稳定入渗率（ 89-2167%）。根系分布较深的树种对土壤入渗的影响最大，其次是中浅根系。土壤孔隙度和容重是影响 15cm 以下土壤入渗的两个最重要的因素，随着土壤深度的增加，土壤孔隙度和容重对入渗的不利程度越来越大，根系可以起到平衡作用。 本文建立了不同土层根系与土壤入渗的关系模型，以快速预测不同树种的入渗。推广不同根系分布特征的混交造林， 有助于保证不同土壤深度根系发育，优化城市树木的入渗效果。

研究区域： 上海交通大学，面积约 309.25ha，有 314 种树木，隶属于 74 科， 188 种属，上海本地常见树种基本上都可以在校园内找到。样地选在交大校园内，以减少取样时间，降低气候差异的影响

为了保证所选样本的代表性，每个树种选择了 3 个不同胸径的生长良好的树木。其中桂花树 3 个胸径分别为 10cm、 15cm 和 20cm，其余 9 种胸径分别为 13-15cm， 20-23cm 和28-33cm，一共有 90 棵样本树。

图 1. 上海交通大学校园内取样点

根系检测

TRU 树木雷达用于本次实验。 TRU 树木雷达由控制电脑、雷达天线和扫描车组成。 TRU有很多明显优势，比如短时间内完成大量的野外测量。 TRU 树木雷达的基本原理是利用介质电磁特性不连续性产生的电磁波的反射和散射特性，定性或定量地识别土壤电磁特性的变化。土壤介电常数与树根的偏差可以提供 TRU 树木雷达探测和定位土壤中树根所需的对比和反射。 TRU 又 400MHz 和 900MHz 两种天线，分别是探深 4m，分辨直径 2cm 的根和探深 1m、分辨直径 1cm 的根。 根据预实验结果来看，上海绿化树木最深根系分布在 1.2-1.5m范围内，深度大于 1m 很少有根系分布。以 1cm 的精度显示了树根的主要根系分布结构，防止了大多数草本植物和小灌木根系的干扰，因此， 1m 深度内的根系特征可以代表树木的粗根系统。本实验中选择 TRU-900MHz 雷达天线。

预实验发现根密度在距离树干 0.5-1.5m 时最大。根系检测围绕树干以半径 1m 的圆形，

图 2. TRU 树木雷达检测原理

土壤采样
本研究的目的时探讨树根于不同深度土壤入渗的关系。土壤样本的水平和垂直分布如图

图 3. 样品扫描检测方式

为了减少凋落物和草本植物根系对这些关系的干扰，首先在 15cm 深度采集土壤样品，然后每隔 15cm 采样一次。考虑到上海市 50-70cm 的地下水，研究 70cm 以下的土壤入渗是没有意义的。因此，没有从土壤层以下 70 厘米处采集样本。简单地说，土壤样本分别在15-30cm、 30-45cm 和 45-60cm 深度的三层中采集。在树干周围的树根扫描路径上，我们在四个方向（南、东、西、北）设置了 4 个采样点。 采样时，若有粗根，则就近采集土壤，而有细根的土壤则直接用环刀采集。其中两个原状土样用于测定土壤入渗特性，另两个原状土样用于测定容重、总孔隙度、非毛管孔隙度、天然含水量和饱和含水量等其他物理指标。采用 200g 复合土样测定土壤有机质。

土壤入渗测量

初始入渗速率和稳定入渗速率是描述土壤入渗性能最常用的参数（ Horton， 1933）。初始入渗速率和稳定入渗速率由切割环法确定（ Chen， 2005）。切割环方法示意图如图 3 所示。主要试验步骤如下：从每层土中随机选取四个原状土样中的两个进行入渗试验；

图 4. 环割法土壤入渗率测试示意图

土壤物理和化学特性测量

用环割法测定了土壤容重、总孔隙度、非毛管孔隙度、天然含水量、饱和含水量等基本物理性质， 采用重铬酸钾氧化-外加热法测定混合土样中有机质含量。

数据分析

数据分析使用 Microsoft Office Excel 2013 （ Microsoft， Washington， USA）和 SPSS PASW18.0 程序（ SPSS Inc.， Chicago， USA）进行。使用 Excel 2013 软件分析不同深度的树根密度差异、不同植物下不同土层的根密度差异以及线性土壤肥力与根密度的关系。用 Pearson 和Spearman 相关分析法分析了土壤指标与根系密度的相关性。方差分析（ ANOVA）用于评估植物种类对土壤肥力的影响；检验方差水平的均匀性，并将数值表示为相关最小显著差异（ LSD， p=0.05）或平均值标准误差（ SEM）的平均值。

结果
树的根密度

不同深度下土壤入渗与根系密度之间的关系

利用线性相关分析建立了土壤肥力与根密度的关系模型。从图 6（ A）和（ B）可以看出，在不同土层中，初始入渗速率和根密度与稳定入渗速率和根密度之间的关系呈显著的线性关系。在 15-30cm、 30-45cm 和 45-60cm 时，根密度与初始入渗率的相关系数分别为 0.55、0.71 和 0.74，根密度与稳定入渗率的相关系数分别为 0.58、 0.70 和 0.67。线性模型的常数项随土层深度的增加而减小，说明入渗速率随土层深度的增加而减小。

土壤特性与根密度之间关系

结果（图 7）表明，深度与初始入渗、稳定入渗、土壤孔隙度、非毛管孔隙度和饱和含水量呈显著负相关，与土壤容重呈显著正相关。深度、土壤有机质和天然含水量之间没有显著相关性。

根密度与初始入渗、稳定入渗、土壤孔隙度和非毛管孔隙度呈显著正相关，与土壤容重呈负相关。根密度与土壤有机质、饱和含水量、天然含水量之间无显著相关性。土壤深度对土壤容重、孔隙度和非毛管孔隙度的影响与根密度的影响相反。

初始入渗和稳定入渗与土壤容重呈负相关，与土壤孔隙度和非毛管孔隙度呈显著正相关。初始入渗和稳定入渗与饱和含水量和天然含水量无显著关系。土壤有机质含量与入渗稳定呈正相关，与自然含水量无显著相关。

图 6. 不同深度下根密度与初始入渗速率和稳定入渗速率的关系

讨论：
TRU 树木雷达技术可以快速实现对大量树种的根系研究。 用探地雷达对大样本（ 90 种树木）的树根特征进行了研究。大样本研究发现三种不同的树根分布（浅、中、深），很难从小样本研究中获得。

研究表明， 15cm 以下的土壤仅受土壤容重、土壤孔隙度和非毛管土壤孔隙度的显著影响。然而，通常认为，土壤中的有机质、初始含水量和饱和含水量也会对土壤产生重大影响。研究表明，土壤入渗与土壤容重呈显著负相关，与土壤孔隙度和非毛管土壤孔隙度呈显著正相关，这与以往的研究结果一致。 城市雨水管理应重视土壤孔隙的改善。一般情况下，土壤过滤与饱和含水量和初始含水量呈显著负相关，但本研究未发现显著的相关关系。 树根密度与容重呈显著负相关，与土壤孔隙度呈显著正相关，有利于土壤的渗透。研究发现，随着土层深度的增加，土壤容重增加，孔隙度和非毛管孔隙度降低。树木可以把根伸到 15 厘米以下，防止土壤压实、松土和迅速转移水分，从而提高土壤的孔隙度和容重，从而促进土壤的肥沃。

本研究进一步证实，树根系统对 15cm 以下土壤的过滤能力比草本植物具有显著的优势。与草坪面积相比， 10 种树种下的初始入渗率提高了 53-330%，饱和入渗率提高了 89-2167%，可能是树木根系较草本植物发达，土壤理化性质得到较好的保护和改善。因此，植树可以作为改良土壤的有效方法。

建立了不同土层根与土的关系模型。结果表明，不同土层深度下，土壤肥力与根系密度呈显著正相关。根密度可以作为一个间接指标来指示树木改善土壤的能力。基于这些不同土层中根与土的关系模型，利用探地雷达扫描根密度后，可以预测根与土的流失率，从而避免任何繁琐的挖掘方法，节省时间和金钱。

结论：

（ 1） 上海常见的树种根据根系特征可分为深、中、浅三种类型。（ 2） 改良土壤的综合效益排序为深树（ Koelreuteria paniculata Laxm， Cedrus deodara（ Roxb.） G.Don 和 Zelkovaserrata（ Thunb.） Makino） >中树（肉桂 bodineri level，厚朴、水杉>浅根分布（女贞、桂花、杜松子、悬铃木）。这为选择植物改良土壤提供了依据。（ 3） 15cm 以下的土壤主要受孔隙度和容重的影响，可通过树根进行改良。（ 4） 建立了不同土层根密度与土壤肥力的关系模型。在此基础上，利用探地雷达对根系进行测试后，即可预测入渗率，从而避免了繁琐的挖掘方法，节省了时间和金钱

图 7. 深度、根密度、土壤性质和入渗之间的关系

（注： **表示在 0.01 水平上存在显著差异； *表示在 0.05 水平上存在显著差异；（均为two-sided test））

来源：Changkun Xie, Shize Cai, Bingqin Yu, Lubing Yan, Anze Liang, Shengquan Che,*“The effects of tree root density on water infiltration in urban soil based on aGround Penetrating Radar in Shanghai, China”