土壤水分再分布过程模拟研究综述

土壤水分再分布过程模拟研究综述土壤水分再分布是指降水、灌溉或蒸发等边界条件发生变化后，土壤剖面中含水率在水势梯度驱动下发生时空重排的动态过程，是陆地水循环的关键中间环节，连接着大气降水、地表径流、地下水补给与植物蒸腾耗水等多重水文过程，其模拟精度直接影响农业灌溉管理、流域水文预报、生态系统碳氮循环模拟等领域的应用效果。自20世纪中期Richards方程被正式应用于非饱和土壤水流运动模拟以来，相关研究围绕过程机理解析、模型构建优化、参数估算方法、多尺度耦合拓展四个核心方向持续推进，已形成多维度、多层次的模拟方法体系。一、土壤水分再分布过程的核心机理研究进展土壤水分再分布的内在驱动力是土壤水势梯度，其运动特性由土壤孔隙结构、水分物理形态及界面相互作用共同决定。经典土壤物理学将土壤水分为重力水、毛管水和吸湿水三种类型，不同形态水分的运动机制存在显著差异：重力水主要受重力势梯度驱动，在大孔隙中以较快速度运动，是深层渗漏和地下水补给的主要来源；毛管水受毛管势和重力势共同作用，在中、小孔隙中运移，是作物根系吸收的主要水分来源；吸湿水则被土壤颗粒表面吸附力束缚，通常难以参与液态水运动。21世纪以来，微观尺度观测技术的发展推动机理研究不断深入。同步辐射CT、核磁共振成像等技术的应用，实现了土壤孔隙结构的三维可视化，揭示了孔隙连通性、孔径分布、孔隙壁粗糙度等结构特征对水分运动路径的调控作用。研究发现，非均质性土壤中优先流现象广泛存在，大孔隙、裂缝、根孔等优先路径的导水能力可达基质区域的100-1000倍，会导致水分在短时间内快速向下运移，传统基于均质假设的模拟方法会显著低估深层渗漏量。此外，土壤干湿交替过程中，孔隙结构会发生动态变化：干旱时土壤收缩产生裂缝，湿润时土壤膨胀堵塞孔隙，这种动态结构演变会导致导水率和持水曲线出现滞后效应，进一步增加了再分布过程的非线性特征。近年来，生物-水文界面过程的耦合机理成为研究热点。植物根系不仅通过吸水作用直接改变土壤水势梯度，其分泌的黏液、根系腐烂形成的孔道还会改变土壤孔隙结构和水力特性；土壤微生物活动产生的胞外聚合物会堵塞小孔隙，降低土壤饱和导水率。这些生物过程与物理过程的相互作用，使得根区土壤的水分再分布过程呈现出更为复杂的动态特征，也对传统物理机理模型的适用性提出了挑战。二、主流模拟模型的发展与比较目前土壤水分再分布模拟模型可分为机理模型、概念模型和经验模型三大类，不同类型模型在适用场景、计算效率和模拟精度上存在显著差异。机理模型以Richards方程为核心，通过数值求解非饱和土壤水流运动方程实现对水分再分布过程的动态模拟。Richards方程的基本形式为：$$\frac{\partial\theta}{\partialt}=\nabla\cdot[K(\theta)\nabla(\psi+z)]-S$$其中$\theta$为体积含水率，$K(\theta)$为非饱和导水率，$\psi$为基质势，$z$为高程，$S$为根系吸水项。该模型基于能量守恒原理，物理机制明确，适用于均质、小尺度的精细模拟，但存在两个核心限制：一是求解过程需要土壤持水曲线和非饱和导水率等水力参数，这些参数具有高度空间异质性，获取成本极高；二是对于非均质性强、存在优先流的区域，基于连续介质假设的Richards方程会产生较大模拟误差。为解决这些问题，研究者发展了双孔隙度模型、双渗透率模型、多域模型等改进形式，将土壤划分为基质域和优先流域，分别描述不同区域的水分运动特征，显著提升了非均质土壤的模拟精度，但模型复杂度和参数数量也随之增加。概念模型以土壤水分平衡原理为基础，通过简化的蓄水-排水关系描述水分再分布过程，代表性模型包括Bucket模型、TOPMODEL中的土壤含水量演算模块等。这类模型将土壤剖面划分为若干个蓄水层，每个蓄水层的水分运动通过阈值规则进行描述：当含水率超过田间持水量时，多余水分向下层渗漏或产生地表径流。概念模型结构简单、参数少、计算效率高，适用于大尺度流域水文模拟，但对水分运动的物理过程描述较为简化，模拟精度受区域气候、土壤类型影响较大，通常需要大量实测数据进行参数率定。经验模型则基于大量原位观测数据，通过统计回归建立水分再分布特征与土壤属性、气象因子之间的定量关系，例如通过土壤质地、容重等基本属性估算不同深度的含水率变化速率。这类模型计算成本极低，适用于区域尺度的快速评估，但通用性较差，建立的统计关系在其他区域应用时往往需要重新校正，且难以描述极端气象条件下的水分动态特征。近年来，机器学习模型开始被应用于土壤水分再分布模拟，通过神经网络、随机森林等方法挖掘观测数据中的非线性关系，在参数复杂、非均质性强的区域展现出了优于传统机理模型的模拟精度。但机器学习模型属于数据驱动的"黑箱"模型，物理可解释性差，在观测数据不足的区域应用受到限制，因此当前研究更多聚焦于机理模型与机器学习模型的耦合，通过机器学习方法优化机理模型的参数估算过程，结合两者的优势提升模拟性能。三、参数估算方法的优化路径土壤水力参数的高精度获取是提升水分再分布模拟精度的核心前提，当前参数估算方法可分为原位测定、实验室测定、间接反演和遥感同化四大类。原位测定方法主要包括张力计法、时域反射仪（TDR）法、中子探针法等，能够获取原位条件下的土壤水势和含水率动态，通过拟合得到持水曲线和导水率参数。其中，张力计法可直接测定基质势，测量精度高，但测量范围有限（通常仅适用于0-80kPa基质势范围）；TDR法能够快速、无损地测定土壤体积含水率，时间分辨率高，但需要针对不同土壤类型进行标定。原位测定结果能够真实反映田间实际情况，但测定过程费时费力，且仅能获取单点尺度的参数，难以表征区域尺度的参数空间异质性。实验室测定方法通过采集未扰动土样，在控制条件下测定持水曲线和饱和导水率等参数，常见方法包括压力膜仪法、离心机法、定水头法等。实验室测定条件可控，测量精度较高，能够覆盖更宽的基质势范围（压力膜仪可测定至1500kPa的萎蔫点水势），但土样采集过程中可能破坏土壤结构，且测定结果受土样代表性影响较大，难以完全反映田间实际的水力特性。间接反演方法通过将水文观测数据（如含水率动态、渗漏量等）与模型耦合，通过优化算法反推最优水力参数，是当前降低参数获取成本的重要途径。常用的优化算法包括遗传算法、粒子群算法、马尔可夫链蒙特卡洛方法等。反演方法的优势在于仅需要较易获取的水文观测数据即可估算参数，且能够直接获得适合模拟区域的参数值，但反演结果存在非唯一性问题，即多组参数可能产生相似的模拟效果，需要通过多目标观测数据约束来降低不确定性。近年来，集合卡尔曼滤波、四维变分等数据同化方法的应用，实现了参数与状态变量的同步估计，能够在模拟过程中实时利用新的观测数据更新参数，进一步提升了模拟精度。遥感同化技术的发展为区域尺度参数估算提供了新的手段。通过合成孔径雷达（SAR）、光学遥感等手段获取的地表土壤水分产品，能够提供大空间范围的含水率观测数据，将其与陆面过程模型同化，可实现区域尺度土壤水力参数的分布式估算。当前研究表明，同化表层土壤水分观测数据能够有效改善根区水分再分布过程的模拟效果，但对于深层土壤参数的估算精度仍然有限，如何利用多源遥感数据约束深层参数是未来研究的重要方向。四、多尺度耦合与应用拓展土壤水分再分布过程存在显著的尺度效应，不同尺度的主控过程存在差异：在孔隙尺度，孔隙结构和界面作用是主控因素；在田块尺度，土壤质地空间异质性和根系分布主导水分运动；在流域尺度，地形、植被覆盖和土地利用类型的空间格局成为关键影响因子。如何实现不同尺度过程的耦合，是当前模拟研究面临的核心挑战之一。尺度上推技术是实现从小尺度机理向大尺度应用拓展的关键。当前主流的上推方法包括平均化方法、代表性单元流域（REW）方法和异质性参数随机模拟方法。平均化方法通过对小尺度参数进行空间平均得到大尺度等效参数，但该方法仅适用于弱异质性区域，在非均质性强的区域会产生较大误差；REW方法将流域划分为若干个代表性单元，每个单元内的水文过程通过闭合的平衡方程进行描述，避免了对小尺度过程的直接刻画，显著提升了大尺度模拟效率；随机模拟方法则通过统计描述参数的空间分布特征，利用蒙特卡洛模拟量化参数异质性对大尺度水分运动的影响，能够有效评估模拟结果的不确定性。在应用层面，土壤水分再分布模拟已经广泛渗透到多个领域：在农业生产中，模拟结果用于优化灌溉制度，实现精准灌溉，在保证作物产量的同时降低水资源消耗，研究表明基于高精度水分动态模拟的灌溉决策可提高水分利用效率15%-30%；在水文预报中，土壤水分初始状态的模拟精度对洪水预报精度有显著影响，准确的水分再分布模拟能够提升中小流域洪水预报的预见期和精度；在生态系统保护中，通过模拟不同植被类型下的土壤水分动态，能够为退化生态系统的植被恢复物种选择和配置提供科学依据，避免因植被耗水过度导致的土壤干层问题；在气候变化影响评估中，土壤水分再分布过程的模拟是陆面过程模式的核心组成部分，其模拟结果直接影响未