土壤水力参数的间接估算方法研究综述

土壤水力参数的间接估算方法研究综述土壤水力参数是描述土壤水分运动和溶质运移过程的核心基础参数，主要包括饱和导水率、土壤水分特征曲线、非饱和导水率、扩散率等指标，在农田灌溉管理、流域水文模拟、面源污染防控、气候变化响应评估等领域具有不可替代的应用价值。传统的直接测定方法虽精度较高，但存在采样成本高、测定周期长、空间异质性代表性差等局限，尤其在大区域尺度研究中，直接测定几乎难以实现。间接估算方法通过建立土壤基本理化属性与水力参数之间的定量关系，能够低成本、高效率地获取多尺度下的土壤水力参数，成为近30年土壤物理学、水文学交叉领域的研究热点。一、土壤传递函数法土壤传递函数（PedotransferFunctions,PTFs）是目前应用最广泛的间接估算方法，其核心原理是利用易测定的土壤基本属性（如颗粒组成、容重、有机质含量、pH值等）作为输入变量，通过统计回归或机器学习算法构建与水力参数之间的映射关系。根据建模方法的不同，可分为线性回归类PTFs、非线性回归类PTFs和人工智能类PTFs三大类别。线性回归类PTFs是最早发展的估算模型，典型代表包括Rawls模型、Saxton模型等。这类模型通常假设土壤水力参数与基本属性之间存在线性或可线性化的关系，通过对大量实测数据集的拟合得到回归系数。例如Rawls等基于美国农业部土壤调查数据库的数千组样本，建立了不同质地土壤饱和导水率与砂粒、粉粒、黏粒含量及容重的线性回归方程，在北美地区均质土壤中应用精度可达70%以上。但线性模型的局限性在于无法捕捉土壤属性与水力参数之间的复杂非线性关系，在结构性强、有机质含量高的土壤中估算误差通常超过40%。非线性回归类PTFs通过引入多项式、指数、对数等非线性项提升模型拟合能力，代表性研究如vanGenuchten等将土壤水分特征曲线的vanGenuchten模型参数与土壤颗粒分布进行非线性拟合，建立的参数估算模型在欧洲多个流域的验证中决定系数R²达到0.82以上。近年来部分研究进一步将土壤结构指标（如团聚体稳定性、孔隙度分布）作为输入变量纳入非线性模型，使非饱和导水率的估算精度平均提升15%~20%。不过非线性模型依然存在过拟合风险，当输入变量与水力参数的物理关联较弱时，模型在异质性区域的泛化能力会显著下降。人工智能类PTFs是近10年的研究主流，包括人工神经网络、随机森林、支持向量机、梯度提升树等算法被广泛应用于水力参数估算。与传统统计模型相比，人工智能算法不需要预设变量间的函数关系，能够自动挖掘高维变量之间的复杂非线性关联。例如基于卷积神经网络的PTFs可以直接将土壤颗粒级配曲线作为输入，无需预先提取砂粒、粉粒、黏粒的百分含量，在全国12个典型土壤类型区的验证中，饱和导水率估算的平均绝对误差比传统线性模型降低42%。但人工智能模型的“黑箱”特性导致其物理可解释性较差，部分研究尝试将物理约束嵌入模型训练过程，如在损失函数中加入水分特征曲线的单调性约束，在保证估算精度的同时提升了模型的物理合理性。二、遥感反演法遥感反演方法利用不同波段的电磁辐射与土壤表层性质的相互作用关系，实现区域尺度土壤水力参数的快速估算，尤其适用于大流域、全球尺度的水文模拟研究。目前应用较多的数据源包括光学遥感、微波遥感、热红外遥感以及多源数据融合产品。光学遥感反演主要基于土壤反射光谱特征与水力参数的关联。研究表明，土壤水分特征曲线的形状参数与可见光-近红外波段的反射特征存在显著相关性，通过对高光谱数据的去噪、特征波段选择，可以建立不同土壤类型下的参数估算模型。例如Sentinel-2卫星的10m分辨率多光谱数据能够反演表层0~10cm土壤的有机质含量和颗粒组成，结合土壤传递函数可以间接估算区域尺度的饱和导水率，其估算精度在平原农业区可达75%以上。但光学遥感容易受云层、植被覆盖的影响，在高植被覆盖区和多云雨地区的应用受到较大限制。微波遥感凭借其穿透性强、不受天气条件影响的优势，成为土壤水力参数反演的重要手段。主动微波雷达的后向散射系数对土壤粗糙度、水分含量和介电特性敏感，通过合成孔径雷达（SAR）的多极化、多入射角数据，可以反演土壤的孔隙度和饱和含水量，进而估算非饱和导水率。被动微波辐射计的空间分辨率较低（通常为10~50km），但重访周期短，适合宏观尺度的水力参数时空分布监测。近年来哨兵-1号SAR数据与SMAP被动微波数据的融合产品，已经能够实现1km分辨率的表层土壤饱和导水率日尺度动态估算，为流域水文模型的参数本地化提供了重要数据支撑。不过微波遥感反演的深度通常仅能达到表层0~5cm，如何实现深层土壤水力参数的遥感估算仍是当前研究的难点。热红外遥感通过监测土壤表面温度的动态变化反演水力参数。其核心原理是土壤的热传导特性与水分含量、孔隙结构密切相关，通过地表温度的日变化观测，可以反演土壤的热扩散率，进而间接估算非饱和导水率和水分特征曲线。例如基于Landsat卫星的热红外波段数据，结合地表能量平衡模型，能够估算农业区表层土壤的饱和导水率，在灌溉制度优化中的应用精度满足生产需求。但热红外反演受地表能量通量估算误差的影响较大，在风速较大、地表覆盖复杂的区域反演不确定性较高。三、数值反演法数值反演方法通过将土壤水分运动的物理模型与观测数据相结合，反演求解未知的土壤水力参数，是单点或剖面尺度水力参数估算的重要方法。该方法的核心是构建目标函数，将模型模拟值与观测值的残差最小化，进而得到最优的参数组合。根据观测数据类型的不同，可分为瞬时剖面法、入渗试验反演法和同位素示踪反演法等。瞬时剖面法是最经典的数值反演方法，通过测定土壤剖面不同深度的含水率和负压的动态变化，结合Richards方程反演非饱和导水率和水分特征曲线参数。该方法不需要严格控制边界条件，在田间原位试验中应用广泛，其反演精度主要取决于观测数据的时间分辨率和深度密度。研究表明，当剖面观测点数量不少于5个、观测时间间隔小于1小时时，vanGenuchten模型参数的反演相对误差可以控制在10%以内。近年来随着土壤水分传感器技术的发展，高频率、多深度的原位观测数据日益丰富，瞬时剖面法的应用成本显著降低，已经成为农田尺度水力参数测定的标准方法之一。入渗试验反演法通过观测单环或双环入渗过程中的累积入渗量和湿润锋动态，结合Green-Ampt模型或Philip入渗模型反演饱和导水率和基质势。与传统的稳渗法相比，数值反演不需要等待入渗达到稳定状态，能够将试验时间从数小时缩短到几十分钟。例如基于贝叶斯优化的入渗反演算法，仅需要30分钟的入渗观测数据，就可以同时反演饱和导水率、进气吸力和水分特征曲线形状参数等多个指标，在黄土高原的野外试验中反演结果与室内测定值的一致性达到85%以上。不过入渗试验反演的结果受初始含水率和土壤空间异质性的影响较大，通常需要设置多个重复试验来降低不确定性。同位素示踪反演法利用氢氧稳定同位素或放射性同位素在土壤中的运移过程，反演大孔隙流优先路径下的水力参数。传统的水分运动模型难以描述非均匀土壤中的优先流现象，而同位素示踪剂能够标记不同路径的水分运动过程，通过测定不同深度土壤溶液的同位素浓度，结合双重孔隙度模型可以反演基质域和大孔隙域的导水率、交换系数等参数。研究表明，在喀斯特地区裂隙发育的土壤中，同位素示踪反演得到的大孔隙导水率比传统入渗法测定值高2~3个数量级，更符合实际的水分运动规律。但同位素试验成本较高，目前仅适用于小范围的机理研究，尚未实现大规模推广应用。四、分形几何法分形几何方法基于土壤颗粒、孔隙结构的分形特征，从物理机制出发建立土壤水力参数的估算模型，是连接土壤微观结构与宏观水力特性的重要桥梁。根据分形维度的计算对象不同，可分为颗粒分形模型、孔隙分形模型和表面分形模型三类。颗粒分形模型假设土壤颗粒的质量分布符合分形规律，通过颗粒级配数据计算分形维数，进而推导土壤水分特征曲线和非饱和导水率。Tyler和Wheatcraft最早提出的分形模型表明，土壤水分特征曲线的斜率与颗粒分形维数直接相关，在砂质壤土和黏壤土中的验证结果与实测值的平均偏差小于0.02cm³/cm³。后续研究对颗粒分形模型进行了多方面改进，如引入多重分形理论描述不同粒径范围颗粒的分形特征差异，使黏质土壤的水分特征曲线估算精度提升了18%。不过颗粒分形模型假设土壤孔隙分布与颗粒分布具有自相似性，在团聚体发育的土壤中这一假设往往不成立，会导致估算结果出现系统性偏差。孔隙分形模型直接基于土壤孔隙的大小分布特征计算分形维数，能够更准确地反映孔隙结构对水力特性的影响。通过CT扫描技术获取土壤的三维孔隙结构图像，可以计算不同尺度下的孔隙分形维数，结合孔隙网络模型能够直接模拟非饱和导水率和扩散率。研究表明，基于X射线CT的孔隙分形模型估算的饱和导水率与室内测定值的相关系数达到0.91，显著高于传统的土壤传递函数法。但CT扫描的成本较高，且样本尺寸通常较小（多为厘米级），如何将微观尺度的分形参数扩展到田间尺度，是目前孔隙分形模型应用的主要瓶颈。表面分形模型考虑土壤颗粒表面的粗糙分形特征，能够更好地描述低吸力阶段的水分保持特性。土壤颗粒表面的粗糙程度会影响水气界面的形状和毛细上升高度，通过原子力显微镜测定土壤颗粒的表面分形维数，可以对传统的毛细上升公式进行修正，提高低吸力段土壤水分特征曲线的估算精度。在干旱区砂质土壤的研究中，引入表面分形修正后的模型，将低吸力段（0~100kPa）含水率估算的平均绝对误差从0.05cm³/cm³降低到0.02cm³/cm³，为干旱区土壤水分运动模拟提供了更准确的参数基础。五、方法对比与研究展望不同间接估算方法各有其适用范围和局限性：土壤传递函数法成本最低、数据易获取，但精度受区域土壤类型差异的影响较大，适合在资料丰富的均质区域推广；遥感反演法能够实现大尺度动态监测，但反演深度有限、精度受地表覆盖影响，适合宏观水文模拟研究；数值反演法物理机制明确、精度较高，但需要大量原位观测数据，适合单点和田间尺度的参数测定；分形几何法能够揭示微观结构对水力特性的影响机制，但参数测定成本高，适合机理研究和小范围应用。近年来，多方法融合成为土壤水力参数间接估算的重要发展方向。例如将遥感反演的区域尺度土壤属性数据作为土壤传递函数的输入，能够显著提升PTFs在大区域的估算精度；将分形维数作为输入变量纳入机器学习PTFs，能够在提升精度的同时增强模型的物理可解释性；结合数据同化技术，将遥感观测的土壤水分数据与水文模型模拟结果相结合，可以实现剖面尺度水力参数的动态反演。此外，随着全球土壤数据库的不断完善，跨区域通用PTFs的构建也取得了重要进展，基于全球数万组实测样本训练的深度学习PTFs，在不同大洲的多种土壤类型中均表现出较好的泛化能力。未来研究需要重点关注三个方向：一是多源数据的融合应用，整合地面传感器网络、