土壤水分运动参数的田间测定方法研究综述

土壤水分运动参数的田间测定方法研究综述土壤水分运动参数是定量描述土壤中水分运移、溶质迁移以及能量交换过程的核心基础指标，其测定精度直接影响农田灌溉制度优化、水文模型构建、面源污染防控等领域研究与应用的可靠性。与实验室测定方法相比，田间原位测定能够最大程度保留土壤的天然结构、孔隙分布以及容重等属性的空间异质性，避免扰动土壤带来的参数偏差，是获取真实田间尺度水分运动特征的核心途径。当前常用的田间测定方法可分为直接测定法、间接反演法以及耦合测定技术三大类，不同方法的适用场景、测定精度与操作成本存在显著差异，针对各类方法的技术原理、适用性边界以及优化方向开展系统梳理，是推动土壤水动力学研究向田间尺度拓展的重要基础。一、直接测定法的技术原理与应用特征直接测定法是指通过现场观测土壤水分动态变化或水分通量，直接计算得到水分运动参数的方法，是田间参数测定的经典技术路径。其中最为常用的包括双环入渗法、张力入渗仪法以及盘式入渗法三类，三者均基于达西定律与Richard方程的基本假设，通过控制入渗边界条件，观测稳定入渗速率或入渗过程曲线，进而推导饱和导水率、非饱和导水率以及土壤水分特征曲线等关键参数。双环入渗法是测定田间饱和导水率的传统标准方法，其核心装置由直径不同的两个同心金属环组成，试验时将两环嵌入土壤一定深度，同时向内外环注水并保持水位恒定，内环入渗量用于计算一维垂向入渗通量，外环起到隔离侧向渗流的作用。当入渗速率达到稳定时，即可根据达西定律计算饱和导水率Ks。该方法操作简单、设备成本低，在农田、草地等均质土壤区域得到广泛应用，但也存在明显局限性：首先，嵌入环体时容易破坏环周土壤结构，导致优先流产生，使得测定结果偏高；其次，双环入渗的影响深度通常仅为30-50cm，难以反映深层土壤的导水特性；此外，该方法仅能获得饱和状态下的导水率，无法测定非饱和阶段的参数。针对这些问题，近年来研究人员对双环装置进行了优化，例如采用自动水位控制系统替代人工读数，提高入渗速率的观测精度；在环体底部增加网格状垫片，减少嵌入过程对土壤的挤压破坏；结合传感器监测入渗过程中不同深度的土壤含水率变化，实现饱和-非饱和参数的同步测定，显著拓展了双环入渗法的适用范围。张力入渗仪法是测定非饱和导水率的常用直接方法，其核心原理是通过在入渗盘上施加一定的负压（张力），模拟不同基质势下的土壤水分入渗过程。装置通常由供水系统、张力控制系统以及入渗盘三部分组成，试验时通过调整供水瓶的高度控制入渗盘处的负压值，观测不同负压下的稳定入渗速率，结合Gardner模型即可计算对应基质势下的非饱和导水率。与双环入渗法相比，张力入渗仪的优势在于能够测定非饱和状态下的导水参数，且入渗过程不会导致土壤完全饱和，更接近田间实际的水分运动状态。该方法的测定精度主要受负压控制精度、入渗盘与土壤的接触状况影响，当土壤表面存在大量碎石或植物残体时，容易出现入渗盘与土壤接触不良的问题，导致入渗通量测定偏差。此外，张力入渗仪的测定范围通常为0-300cm水头的负压区间，对于更低基质势条件下的导水率测定精度不足，需要结合其他方法进行补充。盘式入渗法是介于双环入渗与张力入渗之间的测定技术，既可以在正压条件下测定饱和导水率，也可以通过施加负压测定非饱和导水率。其核心特征是采用较大直径的入渗盘（通常为20-50cm），增大入渗面积以减少土壤空间异质性对测定结果的影响，同时通过调整供水压力实现不同边界条件的控制。近年来，多盘式入渗系统逐渐得到应用，通过同时设置多个不同负压的入渗盘，能够在同一测点快速获得多个基质势下的导水率数据，大幅提高测定效率。研究表明，盘式入渗法在砂质壤土、黏壤土等质地的土壤中测定结果的变异系数较双环入渗法降低15%-25%，更适合存在一定空间异质性的田间尺度参数测定。但该方法的设备成本较高，且入渗过程受土壤初始含水率影响较大，需要在试验前对初始含水率进行均匀化处理，否则容易导致参数计算误差。二、间接反演法的技术路径与精度控制间接反演法是指通过监测土壤水分状态变量（如含水率、基质势）的动态变化过程，结合土壤水运动模型反推水分运动参数的方法，无需直接测定水分通量，适用于长期原位监测场景。根据监测手段的不同，可分为原位传感器监测反演法、遥感反演法以及示踪剂反演法三大类，这类方法的核心优势在于能够获取较大尺度的参数空间分布特征，弥补直接测定法单点观测的不足。原位传感器监测反演法是当前田间尺度参数反演的主流技术，其基本流程为：在田间不同深度埋设土壤水分传感器、张力计等监测设备，连续观测降水或灌溉后土壤含水率、基质势的动态变化过程，将观测数据作为约束条件，结合Hydrus、SWAP等土壤水运动模型，通过优化算法反演得到vanGenuchten模型参数、饱和导水率等关键水分运动参数。常用的优化算法包括最小二乘法、遗传算法、粒子群算法以及贝叶斯估计方法等，其中贝叶斯方法能够同时给出参数的最优估计值与不确定性区间，在参数反演中得到越来越多的应用。该方法的测定精度主要受三个因素影响：一是监测数据的时间分辨率与精度，研究表明，当监测时间间隔小于1小时时，参数反演的稳定性能够提升30%以上；二是模型结构的合理性，若忽略土壤大孔隙的优先流效应，会导致饱和导水率的反演结果偏低40%-60%；三是初始参数范围的设定，若初始范围过宽，容易出现优化算法收敛到局部最优解的问题。近年来，随着低成本物联网传感器的普及，该方法的应用成本大幅降低，通过在田间布设高密度的传感器网络，能够实现百米尺度土壤水分运动参数的空间分布制图，为流域尺度水文模拟提供数据支撑。遥感反演法是获取区域尺度土壤水分运动参数的重要手段，其核心原理是通过遥感数据反演得到地表土壤含水率、地表温度等变量的空间分布，结合陆面过程模型或土壤水运动模型，间接反演区域尺度的饱和导水率、土壤水分特征曲线等参数。当前常用的遥感数据源包括Sentinel-1雷达数据、Landsat光学数据、SMAP土壤水分产品等，其中雷达数据具有全天时、全天候的观测能力，且对表层土壤含水率的变化敏感，是参数反演的主要数据源。遥感反演法的优势在于能够快速获取大面积的参数空间分布，无需开展大量野外试验，但其测定精度受植被覆盖、地表粗糙度等因素影响较大，在植被覆盖度大于60%的区域，表层土壤含水率反演的均方根误差通常大于0.05cm³/cm³，进一步导致参数反演偏差。此外，遥感数据仅能反映表层0-5cm土壤的状态，如何通过数据同化技术将表层观测信息与深层土壤水运动过程耦合，实现深层土壤参数的反演，是当前该领域的研究热点。最新研究表明，通过耦合陆面过程模型与集合卡尔曼滤波算法，结合时序遥感土壤水分产品，能够将1m深度内的饱和导水率反演精度提升20%以上，为区域尺度水文模拟提供了新的技术路径。示踪剂反演法是指通过向土壤中施加保守性示踪剂（如溴离子、氘水、重水等），监测示踪剂在土壤剖面中的浓度分布动态，结合对流弥散方程反推土壤水分运动参数的方法。该方法的优势在于能够同时测定饱和导水率、非饱和导水率以及孔隙流速分布等参数，尤其适合存在优先流的结构化土壤的参数测定。试验时通常采用脉冲式示踪剂输入，通过定期采集土壤溶液样品或采用原位离子传感器监测示踪剂浓度变化，利用CXTFIT等软件拟合穿透曲线，得到相关参数。近年来，分布式温度传感技术（DTS）的发展为示踪剂试验提供了新的监测手段，通过向土壤中注入热示踪剂，利用DTS光纤监测土壤温度的动态变化，能够实现高空间分辨率的水分运动参数测定，监测精度可达到厘米级。但示踪剂反演法也存在明显局限性：一方面，示踪剂的运移过程受溶质吸附、扩散等过程影响，若忽略这些过程会导致参数反演偏差；另一方面，试验操作复杂、成本较高，且部分示踪剂存在环境风险，限制了其在农田生态系统中的大规模应用。三、耦合测定技术的发展趋势与应用前景随着传感器技术与数值计算方法的发展，单一的直接测定或间接反演方法逐渐难以满足多尺度、高精度的参数测定需求，耦合多源数据、多技术路径的测定方法成为当前研究的主流方向，主要包括多方法联合测定技术、原位-实验室联合校正技术以及数据同化技术三类。多方法联合测定技术是指结合两种及以上的测定方法，发挥不同方法的优势，实现参数的高精度测定。例如，将盘式入渗仪与高密度电阻率法（ERT）结合，利用盘式入渗仪控制入渗边界条件，通过ERT连续监测入渗过程中土壤剖面的电阻率变化，反演得到不同深度的含水率动态，进而计算不同深度的饱和-非饱和导水率，解决了传统入渗法仅能获得表层参数的问题。研究表明，该联合方法在层状土壤中的参数测定精度较单一盘式入渗法提升35%以上，能够清晰识别不同土层的导水特性差异。此外，将张力入渗仪与时域反射仪（TDR）传感器结合，在入渗过程中同步监测不同深度的含水率与基质势变化，能够同时获得土壤水分特征曲线与非饱和导水率曲线，大幅提高测定效率，减少不同试验之间的系统误差。还有研究将双环入渗法与探地雷达（GPR）结合，通过GPR监测入渗锋面的移动过程，反演得到更大深度范围内的饱和导水率分布，解决了传统双环入渗法影响深度不足的问题。原位-实验室联合校正技术是指通过少量原位测定数据对实验室批量测定的参数结果进行校正，兼顾测定效率与精度的技术路径。由于田间原位测定成本高、效率低，难以开展大规模高密度采样，而实验室测定虽然效率高，但土壤扰动导致参数与田间实际值存在偏差。通过建立两者之间的校正关系，能够实现参数的高效、高精度获取。具体流程为：首先在研究区域选择典型测点开展原位参数测定，获得田间实测值；同时在对应测点采集土壤样品，在实验室测定土壤颗粒组成、容重、有机质含量等基本属性，以及实验室条件下的水分运动参数；建立实验室测定参数与原位实测参数之间的转换模型，模型中引入土壤结构特征、大孔隙度等校正因子；最后利用该转换模型对区域内其他采样点的实验室测定参数进行校正，得到接近田间实际值的参数分布。研究表明，引入土壤大孔隙度、团聚体稳定性等指标的校正模型，能够将实验室测定饱和导水率与田间实测值的决定系数从0.3-0.5提升至0.7-0.8，显著降低参数偏差。该技术路径特别适合流域尺度的参数测定，能够在控制测定成本的前提下，大幅提高参数的空间分布精度。数据同化技术是指将多源观测数据（原位传感器数据、遥感数据、试验测定数据等）与土壤水运动模型进行耦合，通过不断更新模型状态变量与参数，实现参数的动态优化与不确定性定量评估的技术。常用的数据同化算法包括集合卡尔曼滤波、四维变分同化、粒子滤波等，其中集合卡尔曼滤波算法计算效率高，能够处理非线性的土壤水运动过程，是当前应用最为广泛的同化算法。数据同化技术的优势在于能够充分利用不同来源、不同尺度的观测信息，降低参数的不确定性，同时实现参数与状态变量的同步估计。例如，通过同化田间传感器监测的时序含水率数据与遥感反演的表层含水率数据，能够同时优化不同深度的饱和导水率、vanGenuchten模型参数等多个参数，参数估计的不确定性区间较单一数据源同化缩小30%以上。此外，数据同化技术能够在模型运行过程中不断吸收新的观测数据，实现参数的动态更新，尤其适合田间土壤属性随时间变化的场景，例如耕作、干湿交替等过程导致的导水率变化。随着多源观测数据的不断丰富，数据同化技术将成为未来田间尺度、区域尺度土壤水分运动参数测定的核心技术支撑。不同测定方法的适用性存在显著差异，在实际应用中需要根据研究目标、土壤类型、尺度大小以及预算条件合理