-
0 引言
-
矿产资源是国家经济发展的命脉。随着中国对铜等多种矿产的需求日益增大，低海拔易开采地区资源已大规模开采，矿产资源开发正逐渐向高海拔地区拓展。普朗铜矿是中国最大的井下开采单体矿山，位于青藏高原横断山脉东南部腹地，气象环境恶劣，地质条件复杂，生态环境极其脆弱（刘博，2018）。高原铜矿开采带来巨大经济效益的同时，对矿山生态环境也造成严重威胁。资源开发与生态保护矛盾突出，已经成为制约高原矿产资源开采的主要原因（张华等，2023）。
-
地表土壤水分是土壤健康和植物生长的重要影响因素，在生态环境占重要地位。尤其在矿区，土壤水分状况是植被生存的关键因素（朱绪超和绍明安，2015；Wu et al.，2021）。采矿塌陷和裂缝会改变原有的地下水环境和地表土壤结构，对植被生长极其不利。植被大量减少易引起采空区土地荒漠化、水土流失、生态退化等问题，从而加剧生态破坏速度（Jiang et al.，2021；Shang et al.，2022；刘才伟和赵丹凝，2023；Zhao et al.，2023）。因此，研究普朗铜矿区土壤水分动态运移规律，对矿区生态环境保护及可持续发展具有重要意义。
-
目前，矿区土壤水分相关研究主要集中在植被覆盖、采矿裂缝、土壤质地等方面（陈建军，2020；高云飞等，2024）。诸多研究表明植被覆盖可以保持土壤湿度、保护土壤结构，而采矿裂缝会加剧土壤蒸发、降低土壤蓄水性（王双明等，2017；韩磊等， 2023）。土壤水分的研究主要采用现场监测，室内试验和数值模拟相结合的方法（王晋栋等，2023；鲁元波等，2023；刘士亮等，2023）。其中数值模拟中，基于Richards方程的Hydrus软件可建立土壤水、热、溶质运移、根系吸水等模型，模型适用于非饱和包气带水分动态模拟（Ketsela et al.，2023）。部分学者通过Hydrus-1d模型发现植被覆盖和土质组成是影响土壤水力参数的重要因素（Min et al.，2014；Yang et al.，2021），裂缝宽度、距离裂缝距离、优先流和降雨量对土壤水分动态有重要影响（Ma et al.，2014； 霍思远和靳孟贵，2015；汤伏全等，2023）。
-
高山矿区土壤受气象、地质等因素影响较大，土壤特性参数存在众多不确定性，现有模型难以评估普朗铜矿区在不同降雨事件、植被类型、采矿裂缝条件土壤水分动态特征。因此，本文基于实测数据，建立土壤水分运移模型，探究普朗矿区土壤水分通量动态变化特征，揭示矿区土壤降雨入渗规律，研究结果以期为矿山生态安全生产和生态修复提供指导。
-
1 研究方法
-
1.1 研究区概况
-
研究区普朗铜矿（99°58'~100°00'E，28°00'~28°06 'N）位于云南省西北部迪庆藏族自治州境内（图1），处于青藏高原东南端，海拔 3227.1~4569.6 m，矿区总面积36.37 km2。矿区气候寒冷干燥，年平均气温5℃，年平均降水量1219.9 mm。地貌类型属于高山深切割地貌，矿区裂隙发育，岩层透水性强，地表水易渗入。铜矿采用自然崩落法开采，地层易扰动。矿区主要植被类型：高原草甸（4000 m 以上）、乔木（4000 m以下）。矿区土壤类型为草甸土、林地土，土壤中夹杂着冰碛物颗粒。开采以来，矿区各地块发生不同程度退化，本文选择研究区草地未采区、草地裂缝区、林地未采区、林地裂缝区作为研究对象，研究开采过程中，矿区典型区域土壤水分动态，各位置概况如表1所示。
-
图1 研究区地理位置
-
1.2 数据采集
-
监测设备采用RS-WS-N01-TR485型土壤水分变送器，水分量程为 0~100%，分辨率为 0.1%。监测探头埋设深度为20 cm、40 cm、80 cm、120 cm。监测系统每30 min采集一次数据，本文选取2023雨季 4 月 1 日—9 月 30 日进行模拟研究。监测场地现场按探头埋设深度分 4 层取土，分别测定土壤颗粒组成和土壤容重，为建模提供基础参数。
-
气象数据来源于矿区4180气象站，包括日空气湿度、风速、气温、降雨量。统计 2023年雨季 111场降雨事件，总降雨量为 953.7 mm。根据气象局标准，将降雨事件分为小雨（<10 mm）、中雨（10~25mm）、大雨（25~50 mm），各级别降雨频率为 56.3%， 33.6%，7.2%。
-
1.3 数值模拟
-
采用Hydrus-1d水分运移和根系吸水模块模拟研究区雨季土壤水分动态。土壤水分运动方程采用Richards方程，一维土壤水分运动方程如下：
-
式（1）中：c（h）为比水容量（cm）；h 为压力水头 （cm）；k 为非饱和导水率（cm/d）；s（z，t）为根系吸水速率（cm/d）；z为土壤深度（cm）；t为时间（d）。
-
根系吸水不考虑盐分胁迫，采用 Feddes方程模拟水分吸收过程，方程如下：
-
式（2）中：α（h）为土壤水分胁迫反应函数（0≤α≤ 1），b（z）为根系吸水分布函数；TP为作物潜在蒸腾速率（cm/d）。
-
根据土壤性质和监测点位土壤传感器的安装层位，模拟深度为 0~120 cm，剖分为 20 cm、40 cm、80 cm、120 cm共4层。采用时间离散化的方法进行模拟，根据迭代次数逐渐调整时间离散的间隔。模拟的起始时间为 2023 年 4 月 1 日，结束时间为 2023 年9月30日，共182 d，初始时间步长为0. 01 d，最小时间步长为0. 01 d，最大时间步长为1 d。
-
土壤水分的初始值为2023年4月1日普朗铜矿区各点位不同土层监测的 20 cm、40 cm、80 cm、120 cm监测的土壤水分，采用插值法获得两测点间的所有含水率初始数据。
-
监测期间土壤上边界与大气相通，无明显径流，本研究选择把上边界设置为有积水大气边界。矿区地下水位埋深30~50 m，远低于表层底部边界，选择底部自由排水作为下边界条件。
-
采用模型内置Penman模块，输入气象站收集的降雨、大气湿度、日最大和最小气温、风速气象数据计算潜在蒸发。根系吸水参数以模型数据库为基础校正得到。
-
选择运用最广的Van-Genuchten-Mualem模型，土层基本物理信息通过开挖剖面获得，各层位水力参数通过 Hydrus 内置 Rosetta 模型根据各点土壤颗粒组成、容重数据计算得到，并通过实测值与模拟值校正优化土壤水分特征参数。获取的参数见表2。
-
1.4 检验指标
-
为评估土壤水分模型的误差，采用决定系数 （R2）、相对百分比误差（MAE）和均方根误差（RMSE） 对实测值和模拟值进行定量分析。公式如下：
-
式中，θi为实测土壤含水率值，Pi为模拟土壤含水率值，T为观测天数（j=1，2，···T）表示第j天。
-
2 结果与分析
-
2.1 模拟校正与检验
-
2.1.2 土壤水分模拟与检验
-
矿区四个典型位置土壤体积含水率实测值与模拟值对比情况如图2所示，检验结果如表3。分析可得，草地未采区、草地裂缝区、林地未采区、林地裂缝区土壤水分模拟指标 R2 维持在 0.602-0.856，表明模型模拟值与现场实测值的拟合效果较好； RMSE和 MAE分别在 0.315~0.912和 0.214~0.761，均小于1，实测值与模拟值之间误差较小。综合3个评价指标得出，Hydrus-1d 模型可以较好地模拟普朗铜矿区典型地块土壤水分的变化过程。
-
对于不同地块而言，草地水分模拟效果较林地好，未采区模拟效果较裂缝区好。这是因为植被根系分布情况会影响土壤水分的吸收和释放过程，水分波动情况复杂，裂缝区土壤孔隙发育，水分长期处于不稳定状态。对不同深度而言，浅层 20 cm 土壤含水率的模拟精度要低于深层，表层土壤水分受外界大气交换影响波动较为剧烈，模拟精度较差。
-
2.2 不同地块水分通量模拟
-
通过已验证的土壤模型，根据矿区降雨特征，本次研究筛选研究期内 12 次降雨事件进行模拟对比分析，各地块不同深度土壤水分通量对降雨的响应如图3所示，0~120 cm内草地裂隙区、林地裂隙区的水分通量比草地未采区和林地未采区相应平均提高了 5.52%、4.19%。草地的平均水分通量 （4. 07%）大于林地（2.86%）。20 cm 深度处土壤水分通量最大，各地块随着土层深度的加深，土层间的土壤水分通量明显下降，因为浅层 20 cm 土壤较松，水分较低，水分容易下渗。由于5~9月降雨最为集中，受初期雨季降雨事件的影响，各地块土壤水分通量在降雨量18 mm时达最大值。各土层之间土壤水分差异随着降雨量的不同表现不同。以降雨量为 10~20 mm 为例，裂缝区、未采区各土层之间的水分通量差异显著性明显大于其他降雨类型。此时，草地裂缝区、林地裂缝区的土壤水分通量最大值（8.89%、7.52%）在 20 cm 处，分别比相应草地未采区、林地未采区提高了 3.22%、4.18%，下部土层水分通量逐渐下降至120 cm处，林地裂缝区的土壤水分通量仍有 4.15%，而草地未采区的土壤水分通量仅为1.32%。
-
图2 林地未采区和林地裂缝区土壤水分模拟值与监测值对比情况
-
2.3 不同降雨类型下入渗模拟
-
按照降雨类型，选择监测期内 3 种类型（小雨 6.7 mm、中雨 23.2 mm、大雨 33.5 mm）典型降雨对不同地块土壤剖面含水率进行模拟。四地块不同降雨类型条件下降雨前、降雨结束后、降雨结束12 h 和降雨结束 24 h 时 0~120 cm 土壤剖面含水率如图4。模拟结果可得：降雨入渗深度随着降雨量的增大而增加，降雨结束后，不同降雨类型的入渗深度在各地块不同土壤存在显著差异。
-
四地块不同降雨类型下的水分入渗深度差异明显。小雨条件下，对林地未采区10 cm深度补给，说明小雨仅能使林地表层 10 cm 土壤水分增加，说明林地10 cm土壤足以吸收小雨水分。在降雨结束后表层土壤水分持续升高，这是由于表层土壤含水率相对较低，降雨入渗初期表层土壤吸力较大，发生深部土层水分上移现象。草地未采区、草地裂缝区和林地裂缝区的入渗深度可达 20 cm；中雨条件下，林地未采区降雨结束时入渗深度 20 cm，降雨结束24 h入渗深度达60 cm，表层10 cm土壤水分在降雨结束时达最大，随着时间的后移，土壤水分向深层入渗，表层水分减小，在降雨结束后的 24 h，20~60 cm土层深度之间土壤含水率增到最大。草地未采区、林地未采区、草地裂缝区和林地裂缝区降雨结束时入渗深度达40 cm、60 cm、60 cm，入渗深度达60 cm、100 cm、80 cm。大雨条件下，林地未采区入渗深度达 100 cm，林地未采区、草地裂缝区和林地裂缝区降雨入渗深度都达到120 cm。
-
图3 不同地块0~120 cm土壤水分通量对降雨的响应
-
a—降雨量；b—20cm深度；c—40cm深度；d—80cm深度；d—120cm深度
-
相同降雨条件下草地裂缝区入渗深度最大，林地未采区入渗深度最小，说明未采区林地植被覆盖高的区域通过根系吸水，树冠拦截，土壤储水削减了降雨入渗量，草地裂缝区植物根系较少，土质松散增加了土壤渗透性，导致入渗深度较大，这与前人的研究结果一致。
-
为预测矿区降雨对包气带的补给，本文以模型深层 120 cm 作为补给深度。单次降雨选择分别确定为 20 mm、25 mm、30 mm、35 mm、40 mm 的初始值，单次降雨后7 d均不发生降雨，模拟结果见表3。在 40 mm/d 的降雨量下，即使经历了土壤和植被蒸发，雨水仍可以到达120 cm深度补给到包气带。降雨量在 35 mm 时，草地裂缝区的雨水通过孔隙可以补给到包气带 120 cm 处，林地裂缝区达 117 cm，草地未采区次之，林地未采区最浅。降雨量在20 mm、 25 mm和30 mm的条件下，4个区域的模拟结果均没有达到包气带120 cm处。由此可见，单次降雨量只有在35 mm或者更大才能对深层包气带或地下含水层进行补给。低于35 mm的单次降雨可被认为只能补充浅层地表水分的无效降雨。矿区雨季首次降雨事件发生时，可根据降雨量和场地条件预测补给深度，相应做出灌溉和疏水措施。
-
图4 不同降雨类型下降雨前后土壤剖面水分变化情况
-
a—草地未采区；b—草地裂缝区；c—林地未采区；d—林地裂缝区
-
3 结论
-
（1）建立的 Hydrus-1d 普朗铜矿区各地块水分运移模型具有较高的准确度，决定系数R2 大于0.6，平均绝对误差 RMSE 和均方根误差 MAE 均小于 1。对于不同地块而言，草地水分模拟效果较林地好，未采区模拟效果较裂缝区好。这是因为植被根系分布情况会影响土壤水分的吸收和释放过程，水分波动情况复杂，裂缝区土壤孔隙发育，水分长期处于不稳定状态。
-
（2）裂缝区的水分通量显著大于未采区，0~120 cm内草地裂隙区、林地裂隙区的水分通量比草地未采区和林地未采区相应平均提高了3.52%、5.79%。草地水分通量（4. 07%）大于林地（2.86%）。20 cm 处土壤水分通量最大，各地块随着土层深度的加深，土层间的土壤水分通量明显下降。
-
（3）小雨条件下，对林地未采区 10 cm 深度补给，说明小雨仅能使林地表层10 cm土壤水分增加，大雨条件下，林地未采区入渗深度达 100 cm，林地未采区、草地裂缝区和林地裂缝区降雨入渗深度都达到 120 cm。相同降雨条件下草地裂缝区入渗深度最大，林地未采区入渗深度最小。单次降雨量只有在35 mm或者更大才能对深层包气带或地下含水层进行补给。
-
参考文献
-
Jiang Y， Misa R， Gao J H， Sroka A. 2021. Non-pollution damage hazard of underground mining on reservoir ecological environment［J］. Environmental Earth Sciences， 80（12）： 431.
-
Ketsela Y S， Hatiye S D， Muche A T. 2023. Evaluating the effect of initial soil moisture content on infiltration characteristics using empirical and hydrus 1D models［J］. Water Conservation Science and Engineering， 8（1）： 47.
-
Ma C A， Cai Q X， Wang H. 2014. Modeling of water flow in reclaimed mine spoil with embedded lignitic fragments using Hydrus-1D［J］. Mine Water and the Environment， 34（2）： 197-203.
-
Min C， Willgoose G， Saco P. 2014. Spatial prediction of temporal soil moisture dynamics using HYDRUS-1D［J］. Hydrological Processes， 28（2）： 171-185.
-
Shang H， Zhan H Z， Ni W K， Liu Y， Gan Z H. 2022. Surface environmental evolution monitoring in coal mining subsidence area based on multi-source remote sensing data［J］. Frontiers in Earth Science， 10（2）： 33-89.
-
Wu H F， Gao T T， Hao W F. 2021. Vegetation composition and stand are mainly limited by soil moisture in black locust plantations of Loess Plateau［J］. Forestry， 12（2）： 33-90.
-
Yang Y L， Chen Y W， Chen J Y， Zhang Z T， Li Y. 2021. The applicability of HYDRUS-1D to infiltration of water-repellent soil at different depths［J］. European Journal of Soil Science， 72（5）： 2020-2032.
-
Zhao J G， Song S， Zhang K， Li X N， Zheng X H. 2023. An investigation into the disturbance effects of coal mining on groundwater and surface ecosystems［J］. Environmental Eeochemistry and Health， 45（10）： 7011-7031.
-
陈建军. 2020. 青藏高原高寒草地植被覆盖度变化及其环境影响因子研究［J］. 测绘学报， 49（4）： 533.
-
高云飞， 张凯， 杜坤， 赵乐， 吴凤箫. 2024. 采煤沉陷区地裂缝对土壤含水率的影响［J］. 天津师范大学学报（自然科学版）， 44（1）： 62-68.
-
韩磊， 曹鑫鑫， 朱会利. 2023. 基于特征分区的陕北黄土高原植被覆盖变化及其驱动因素［J］. 生态学报， 43（20）： 8564-8577.
-
霍思远， 靳孟贵. 2015. 不同降水及灌溉条件下的地下水入渗补给规律［J］. 水文地质工程地质， 42（5）： 6-13， 21.
-
刘博. 2018. 云南省普朗铜矿矿山地质环境保护与治理恢复方案［J］. 世界有色金属， 18（2）： 28-29.
-
刘才伟， 赵丹凝. 2023. 基于GPS技术的煤矿采空区地表岩土体变形监测［J］. 矿产勘查， 14（1）： 112-118.
-
刘士亮， 郑雨生， 王傲. 2023. 采煤塌陷裂缝对包气带水分运移规律影响数值模拟研究［J］. 矿业安全与环保， 50（6）： 29-36.
-
鲁元波， 严成， 宋春武， 李雅娟， 来赪雲. 2023. 微地形改造对天山南麓寒旱矿区土壤水分动态的影响［J］. 水土保持通报， 43（6）： 126-132.
-
汤伏全， 贾晓卉， 侯恩科， 樊志刚， 马婷， 王聪. 2023. 黄土覆盖区采动地表裂缝对土壤水分扰动影响的模拟试验研究［J］. 水土保持通报， 43（6）： 40-48.
-
王晋栋， 杨金中， 邢宇， 付宗堂. 2023. 基于长时间序列RUE的安太堡煤矿排土场变化遥感监测研究［J］. 矿产勘查， 14（5）： 803-810.
-
王双明， 杜华栋， 王生全. 2017. 神木北部采煤塌陷区土壤与植被损害过程及机理分析［J］. 煤炭学报， 42（1）： 17-26.
-
张华， 董云川， 朱荣华. 2023. 迪庆高原金属矿山地质灾害调查及防治方法分析［J］. 中国金属通报， （1）： 129-131.
-
朱绪超， 邵明安. 2015. 青藏高原土壤水分研究进展［J］. 土壤通报， 46（6）： 1523-1528.
-
摘要
揭示矿区土壤水分特性对生态环境保护具有重要意义。本文基于2023年普朗铜矿草地未采区、草地裂缝区、林地未采区、林地裂缝区不同深度土壤水分监测数据，构建了 4个地块的 Hydrus-1d土壤水分运移模型，模拟典型降雨事件下矿区不同地块水分通量演变特征及包气带水分入渗深度。结果表明：土壤水分模拟决定系数R2 均大于0. 6，平均绝对误差RMSE和均方根误差MAE均小于1，建立的普朗铜矿区土壤水分运移模型具有较高的准确度。埋深20 cm处土壤水分通量最大，随着土层深度的加深，各地块土层土壤水分通量均呈明显下降趋势；埋深0~120 cm范围内草地裂隙区、林地裂隙区的土壤水分通量比草地未采区和林地未采区相应提高了 3. 52%和 5. 79%；草地平均水分通量（4. 07%）大于林地（2. 86%）。相同降雨条件下，草地裂缝区入渗深度最大，林地未采区入渗深度最小；单次降雨量达35 mm才能对深层地下含水层进行补给。
Abstract
Revealing the soil moisture characteristics in the mining area is of great significance for ecological environmental protection. Based on the monitoring data of soil moisture at different depths in the grassland unmined area， grassland fissure area， woodland unmined area， and woodland fissure area of the Pulang Copper Mine in 2023， Hydrus-1d soil moisture transport model was constructed for four locations to simulate the evolution characteristics of moisture fluxes in different plots of the mine area and the depth of moisture infiltration into the airpacked zone under typical rainfall events. The results show that：（1） the soil moisture simulation coefficient of determination R2 is greater than 0. 6， the average absolute error RMSE and root mean square error MAE are less than 1， and the established soil transport model of Pulang Copper Mining Area has a high accuracy. （2） The soil moisture flux at the burial depth of 20 cm was the largest， and with the deepening of the soil depth， the soil moisture flux of the soil layer of each plot showed a significant decreasing trend； the soil moisture flux of the grassland fissure area and the woodland fissure area within the range of burial depth of 0-120 cm was 3. 52% and 5. 79% higher than that of the unmined area of the grassland and the unmined area of the woodland， correspondingly； the average moisture flux of the grassland （4. 07%） was larger than woodland （2. 86%）. （3） Under the same rainfall conditions， the infiltration depth was greatest in the grassland fissure area and smallest in the forested unmined area； the deep underground aquifer could not be recharged until a single rainfall of 35 mm.
