基于微遗传算法优化土壤质地剖面提升土壤湿度模拟精度

《Environmental Modelling & Software》：Improving soil moisture simulation by optimizing soil texture profiles with a micro-genetic algorithm

本文提出了一种创新框架，通过耦合UTOPIA陆面过程模型与微遗传算法（μGA），优化土壤黏粒、粉粒和砂粒百分比（PCSS）剖面，以提升土壤湿度模拟精度。研究采用多约束策略确保土壤质地物理合理性，在意大利三个站点验证表明，该方法相比传统土壤数据库使土壤湿度RMSE平均降低27%、R值提高3%，为陆面过程模型（LSM）参数优化提供了高效解决方案。

　　

Section snippets

UTOPIA LSM

UTOPIA是一款诊断性一维陆面过程模型（LSM），精准模拟大气表层、植被与土壤多层之间的相互作用（Cassardo, 2015）。作为第三代LSM，它集成了土壤热力-水文过程、光合作用及能量-动量-水汽通量交换。其多层土壤结构允许用户自定义分层，每层需独立设置初始土壤质地参数（如PCSS），并通过pedotransfer函数（PTFs）转化为水力参数（如导水率、持水曲线），为土壤湿度垂直模拟提供物理基础。

Experimental design

本研究以HWSD、GLDAS和SoilGrids全球土壤数据库及原位观测（INST）的土壤质地作为对照实验，评估优化实验（OPTM）的效果。OPTM通过UTOPIA-μGA系统反演PCSS剖面，μGA的关键配置（如种群大小、迭代次数）直接影响优化效率与收敛性。实验聚焦三处意大利站点，逐层对比土壤湿度模拟值与实测数据，以RMSE和R值为量化指标。

Comparisons of soil texture profiles

各站点土层间的PCSS值在数据库间呈现显著差异（表2）。以SPC站点为例，黏粒、粉粒、砂粒平均值分别为27.6%、34.9%、37.5%，但标准差高达12.1%、10.8%、11.2%，揭示数据库间的不确定性。优化后的PCSS剖面在保持土壤质地三角图分类合理性的前提下，显著减少了层间突变，如深层黏粒占比的平滑过渡验证了多约束策略的有效性。

Discussion

尽管优化框架取得整体改进，仍存在局限性：其一，仅针对意大利三站点优化，普适性需跨气候区验证；其二，未考虑有机质（OM）与土壤密度等协同参数的影响；其三，μGA的随机性可能引入解的不确定性。未来可结合卫星遥感（如SMAP）浅层数据与深度学习，拓展垂直剖面优化维度。

Conclusions

通过耦合μGA与UTOPIA构建的优化系统（UTOPIA-μGA），成功基于SoilGrids数据库优化了PCSS剖面，显著提升土壤湿度预测能力。该方法在计算效率与物理约束间取得平衡，为稀疏观测区的土壤水力参数反演提供了新范式。