土壤水分入渗过程的优先流与非平衡流模型研究综述

土壤水分入渗过程的优先流与非平衡流模型研究综述土壤水分入渗是指降水或灌溉水通过土壤表层向下运动进入土壤孔隙的过程，是衔接大气水、地表水与地下水的核心水文环节，直接决定着流域产汇流计算精度、农田水分利用效率、面源污染物迁移路径模拟的可靠性。在均质土壤理想假设下，传统入渗理论通常认为水分运动符合达西定律与Richard方程描述的平衡流特征，即水分在土壤孔隙中均匀推进，湿润锋呈平滑连续形态，基质势与含水量存在唯一对应关系。但大量野外观测试验表明，实际土壤由于受到动物活动形成的孔道、植物根系腐烂遗留的通道、土壤干湿交替产生的裂隙、成土过程中发育的团聚体间大孔隙等异质性结构的影响，水分往往会绕过大部分土壤基质，沿着少数优势路径快速运移，这种现象被定义为优先流。优先流的存在使得土壤水分入渗速度远超平衡流模型的预测结果，局部区域水分运移时间比均质假设下缩短2-3个数量级，同时导致溶质、污染物等随快速流向下迁移，增大了地下水污染风险，也使得传统平衡流模型的应用存在显著局限性。优先流的形成机制与分类体系优先流的形成是土壤结构异质性、水分输入特性、土壤初始状态等多因素共同作用的结果。从土壤内部属性来看，大孔隙系统的存在是优先流发育的基础：直径大于0.1mm的土壤孔隙中，重力对水分运动的驱动作用远大于毛管力，水分可以在这些孔隙中快速流动，不受基质吸力的滞后效应影响。其中，生物成因的大孔隙包括蚯蚓、白蚁等土壤动物活动形成的孔道，植物根系生长与腐烂过程中产生的管状通道，这类孔隙通常具有较好的连续性，直径可达数毫米，长度可达几十厘米，是森林、草原等植被覆盖区域优先流的主要成因。非生物成因的大孔隙则包括土壤冻融循环产生的裂隙、干湿交替导致的收缩裂缝、耕作等农业活动形成的疏松层孔隙、土壤质地分层产生的界面积聚流路径等，这类孔隙的形态通常更不规则，连续性随外界环境条件变化显著。从外部驱动因素来看，短历时高强度降水是优先流触发的重要条件：当降水强度超过土壤基质的入渗能力时，多余的水分会优先进入大孔隙系统，形成优势流。此外，土壤初始含水量也对优先流的发育有显著影响：当土壤处于干燥状态时，大孔隙与基质之间的吸力差较大，水分进入大孔隙后会快速被周围基质吸收，难以形成连续的优先流路径；当土壤初始含水量较高时，基质吸力接近饱和，水分进入大孔隙后不易被基质吸收，更容易形成稳定的快速流。根据形成机制与表现特征的不同，现有研究通常将优先流分为大孔隙流、指流、漏斗流、裂隙流四大类：大孔隙流主要发生在存在连续管状大孔隙的土壤中，水分沿着大孔隙快速垂直运移；指流通常出现在均质粗质土壤或存在斥水性的土壤中，湿润锋不稳定性导致水流形成指状突进路径；漏斗流主要由土壤质地分层或斜层理结构引起，水分在渗透系数较低的土层上方积聚，沿着局部高渗透区域向下流动形成漏斗状路径；裂隙流则主要发育在黏质土、膨胀土等易产生干缩裂缝的土壤中，水分沿着裂隙网络快速运移。不同类型的优先流具有差异化的水文效应：大孔隙流的入渗速度最快，对表层土壤蓄水能力的影响最显著，是山地森林区暴雨期地下水补给的主要途径；指流的影响深度通常更大，容易导致深层土壤的快速湿润；漏斗流往往会造成局部区域的渗漏量显著高于周边，在农田灌溉中容易引发水分的深层损失；裂隙流则在干旱半干旱地区的产汇流过程中发挥关键作用，裂缝的存在使得短历时降水可以直接入渗到土壤深层，减少地表径流的产生。非平衡流模型的发展历程与核心框架为了定量描述优先流导致的非平衡入渗过程，国内外学者自20世纪70年代以来发展了一系列非平衡流模型，根据模型的结构与模拟思路可以分为经验模型、双域模型、随机模型三大类。经验模型是最早出现的非平衡流模拟方法，主要通过在传统入渗公式中引入修正参数来体现优先流的影响，代表性模型包括Green-Ampt修正模型、Horton入渗公式扩展形式、Philip入渗公式的双项叠加形式等。这类模型的核心思路是将入渗过程分解为基质入渗与优先流入渗两个部分，分别用不同的经验公式描述，通过实测数据拟合模型参数。经验模型的优势在于结构简单、参数较少，适用于流域尺度的水文模拟，但其参数缺乏明确的物理意义，难以推广到不同的土壤与气候条件下，预测能力受率定数据的限制较大。双域模型是目前应用最广泛的非平衡流模拟方法，其核心假设是将土壤孔隙系统划分为两个相互作用的域：基质域与优先流域。基质域中的水分运动符合传统的Richard方程，受毛管力与重力共同作用，水分运动速度较慢；优先流域中的水分运动则假设为重力主导的快速流，或者采用简化的运动波方程描述。两个域之间存在水量交换，交换速率通常与两个域的水头差或含水量差成正比。根据对优先流域的不同概化方式，双域模型又可以分为双孔隙模型与双渗透率模型：双孔隙模型假设优先流域的体积占比很小，但孔隙直径大，导水能力强，优先流域的含水量可以忽略，仅考虑其导水作用；双渗透率模型则同时考虑两个域的含水量与导水特性，两个域都有各自的水分特征曲线与导水率函数，更适合描述优先流域含水量较高的场景。双域模型的核心参数包括两个域的体积占比、导水率比值、域间水量交换系数等，这些参数可以通过室内入渗试验、染色示踪试验、田间圆盘入渗仪试验等方法测定。近年来，随着CT扫描等三维成像技术的发展，学者们可以直接获取土壤大孔隙的三维结构特征，为双域模型参数的确定提供了更精准的手段。但双域模型仍然存在一定的局限性：其对孔隙系统的二元划分是一种理想化假设，实际土壤的孔隙直径是连续分布的，不存在明确的基质域与优先流域的分界线；同时，域间水量交换系数的确定仍然缺乏普适性的计算方法，多数情况下需要通过实测数据反演，限制了模型的预测精度。随机模型则是针对土壤结构的空间异质性发展起来的一类模型，其核心思路是将土壤的水力参数（如饱和导水率、孔隙大小分布指数等）视为空间随机变量，采用蒙特卡洛模拟、随机游走粒子追踪、连续时间随机游走等方法模拟水分在异质性土壤中的运移过程。这类模型可以较好地体现土壤结构的空间变异对优先流路径分布的影响，能够预测优先流发生的概率与分布范围，但其计算成本较高，需要大量的土壤参数空间分布数据作为输入，目前主要应用于小尺度的机理研究，难以推广到流域尺度的水文模拟中。模型的适用性评价与对比分析不同类型的非平衡流模型在应用场景、数据需求、模拟精度等方面存在显著差异，需要根据研究目标与数据可得性合理选择。经验模型的优势在于计算简便、参数少，适合在缺乏详细土壤水力参数的流域水文模拟中应用，例如在分布式水文模型中嵌入经验优先流修正模块，可以显著提高山洪过程的模拟精度。但经验模型的参数具有较强的区域依赖性，在一个地区率定的参数很难直接应用到其他区域，也无法描述优先流的内部运移机制，难以用于污染物迁移等过程的模拟。双域模型的适用性最为广泛，既可以用于小尺度的入渗机理研究，也可以嵌入到流域水文模型中进行大尺度模拟。对于农田生态系统，由于土壤结构相对均一，优先流主要由耕作活动与根系孔隙引起，双渗透率模型通常可以获得较好的模拟效果；对于森林生态系统，大孔隙的连续性较好，双孔隙模型结合大孔隙网络的三维结构参数，能够更精准地模拟降水入渗与地下水补给过程。但双域模型的参数测定较为复杂，通常需要开展专门的染色示踪试验或入渗试验来确定域间交换系数等关键参数，当缺乏试验数据时，模型的不确定性会显著增大。随机模型则更适合用于优先流的机理研究，例如分析土壤孔隙结构的异质性程度对优先流发育的影响，或者定量评估优先流路径的分布概率。近年来，随着机器学习技术的发展，不少研究将随机模拟与机器学习方法结合，利用大量的试验数据训练模型，提高了随机模型的计算效率与预测精度。但随机模型的输出结果通常是概率分布形式，难以直接用于工程设计等需要确定性结果的场景。从模拟精度来看，在存在明显优先流的土壤中，非平衡流模型的模拟效果普遍优于传统的平衡流Richard方程。国内外大量对比试验表明，传统平衡流模型对入渗量的预测误差通常可达30%以上，对湿润锋深度的预测误差甚至超过50%；而双域模型对入渗量的预测误差可以控制在15%以内，对湿润锋深度的预测误差可以控制在20%以内，能够较好地反映优先流导致的快速入渗特征。但对于均质土壤或优先流发育不明显的场景，非平衡流模型与平衡流模型的模拟效果差异不大，此时采用结构更简单的平衡流模型反而可以降低计算成本，减少参数不确定性带来的误差。研究热点与未来发展方向当前优先流与非平衡流模型的研究主要集中在三个方向：一是多尺度耦合模拟，如何将孔隙尺度的优先流机理与田块尺度、流域尺度的水文过程结合，是目前研究的难点。现有非平衡流模型大多是基于小尺度的试验观测发展起来的，在向大尺度推广时面临尺度效应问题，不同尺度下优先流的主控因素存在显著差异：孔隙尺度下优先流主要受孔隙结构的影响，田块尺度下主要受土壤质地与地形的影响，流域尺度下则主要受植被类型与土地利用方式的影响。发展多尺度的非平衡流耦合模型，明确不同尺度之间参数的转换关系，是未来需要解决的关键问题。二是多过程耦合模拟，优先流不仅影响水分运移，还与土壤侵蚀、溶质迁移、微生物活动等过程密切相关。将非平衡流模型与土壤侵蚀模型、溶质运移模型、生物地球化学模型耦合，模拟优先流作用下的养分流失、农药迁移、重金属运移等过程，对于农业面源污染防控、地下水污染风险评估具有重要的应用价值。目前的耦合模型大多是将非平衡流的水分运移结果作为其他过程模型的输入，尚未充分考虑水分运移与生物地球化学过程之间的双向反馈作用，例如溶质在优先流路径中的吸附解吸过程会改变土壤的水力特性，进而影响优先流的发育，这种双向反馈机制的耦合是未来研究的重要方向。三是新技术与模型的融合，随着无人机遥感、土壤水分传感器网络、CT扫描技术、核磁共振成像技术的发展，高分辨率的土壤结构与水分动态数据越来越容易获取，如何利用这些数据提高非平衡流模型的参数精度与预测能力，是当前的研究热点。例如，利用CT扫描获取的土壤大孔隙三维结构参数，可以直接确定双域模型的孔隙体积占比、优先流路径的连通性等参数，减少模型参数的不确定性；利用土壤水分传感器的高频监测数据，可以通过数据同化方法实时校正非平衡流模型的模拟结果，提高模型的预测精度。此外，机器学习技术与物理模型的结合也受到越来越多的关注，利用机器学习方法模拟复杂的域间水量交换过程、参数的空间分布规律，可以在保证物理意义的同时提高模型的计算效率。在农业生产领域，非平衡流模型的应用可以为精准灌溉提供科学支撑，通过模拟优先流的发育深度与入渗量，可以优化灌溉制度，减少水分的深层渗漏损失，提高农田水分利用效率