仅利用容重、饱和含水量和大孔隙度测量数据来推断土壤水分保持曲线的时间变化性

土壤水分保持曲线（SWRC）动态变化推断模型研究。基于Assouline模型，结合土壤密度、饱和含水量和孔隙率测量，提出新方法可准确推断不同时间点SWRC参数。实验验证表明，新模型在forward和backward推断中均表现优异，R2>0.98，RMSE<0.03 m3/m3，适用于砂壤、粉壤及粘壤等不同土壤类型和耕作管理条件下。该方法显著降低实验室测量成本，为水文及环境模型提供实用工具。

　　
本文研究了一种新型方法，能够通过快速、低成本的土壤物理参数测量，推断不同时间点下的土壤水分保持曲线（SWRC）。该模型基于Assouline等人提出的结构化SWRC模型，结合土壤孔隙特征参数进行改进，解决了传统方法依赖实验室长期测量的难题。

### 研究背景与意义
土壤水分保持曲线（SWRC）是反映土壤水分保持能力的关键参数，直接影响农业灌溉决策、水土流失评估和气候变化模型。然而，传统SWRC测量需耗时数月，且成本高昂，难以满足实际需求。已有研究显示，耕作方式、土壤结构变化（如孔隙率、密度）会导致SWRC显著改变（如Jirk?等，2013），但现有模型难以捕捉短期动态变化。

### 模型创新点
研究团队提出通过以下三个快速可测参数推断SWRC：
1. **饱和含水量（θs）**：通过标准实验室方法直接测量
2. **土壤密度（ρb）**：反映土壤紧实程度
3. **大孔隙率（>60μm）**：通过排水实验测定-5kPa时的孔隙体积

新模型的核心创新在于：
- 引入**大孔隙率**作为关键参数，反映土壤结构变化（如耕作导致孔隙重组）
- 建立孔隙结构与SWRC参数（ξ和μ）的**物理关联关系**
- 开发双向推断算法（向前推断和向后反推）

### 实验设计
1. **实验平台**：
- 三个英国试验田（Mid-Pilmore、NFS、STAR）
- 耕作方式：免耕、浅耕、深翻、碾压
- 土壤类型：砂壤土、黏壤土、壤土
- 测量深度：2-6cm（表层）、7-11cm（亚层）、25-29cm（底层）

2. **数据采集**：
- SWRC测量：采用张力表（0-150kPa）和压力板（-300至-1500kPa）
- 快速测量参数：密度（环刀法）、饱和含水量（砂箱法）、大孔隙率（排水体积法）

### 关键发现
1. **模型性能**：
- 前向推断（参考历史数据预测未来）和反向推断（利用未来数据反推历史）均表现优异
- R2值达0.98-0.99，RMSE控制在0.01-0.03m3/m3（砂壤土）至0.04-0.05m3/m3（黏壤土）
- 相较于Assouline原模型（RMSE 0.09），新模型精度提升67%

2. **参数敏感性分析**：
- ξ参数（反映大孔隙结构）对密度变化更敏感（系数3.72）
- μ参数（反映小孔隙连通性）与大孔隙率相关（指数0.64）
- 砂壤土中孔隙率变化可解释92%的ξ参数变异

3. **应用验证**：
- 不同耕作方式（碾压 vs 免耕）的SWRC预测误差<5%
- 土壤深度差异导致的参数变异可通过模型校正
- 现有文献数据（Tian等，2018）验证显示RMSE降低40%

### 技术突破
1. **物理机制建模**：
- 通过大孔隙率（>60μm）估算土壤结构变化
- 密度变化影响饱和含水量（θs）和残余含水量（θr）
- 开发经验系数修正法（如n1=1.35，n2=0.64）

2. **双向推断能力**：
- 可向前预测（如收获后SWRC）和向后反推（如预测耕作前状态）
- 时间跨度覆盖单季作物周期（30-60天）
- 适用土壤类型覆盖砂土、壤土到黏土（CL=0.09-0.35m3/m3）

### 实际应用价值
1. **精准农业**：
- 实时监测表层土壤紧实度（2-6cm）与水分保持能力
- 辅助灌溉决策（通过预测θs值）

2. **环境监测**：
- 评估长期耕作（如10年免耕）对SWRC的累积影响
- 模拟极端气候事件（暴雨、干旱）的土壤响应

3. **气候变化研究**：
- 捕捉土壤结构随CO?浓度变化的动态响应
- 评估有机质输入对SWRC的调节作用

### 模型局限性
1. **适用范围**：
- 主要验证于英式土壤体系（pH=5.6-6.8）
- 黏土（CL>0.4）的孔隙率测量需更高精度设备

2. **时间尺度**：
- 单次推断适用于30天内变化
- 长期（>1年）需考虑生物地球化学循环影响

3. **数据需求**：
- 需要至少一次完整SWRC测量作为基准
- 精度受孔隙率测量精度影响（误差<5%）

### 未来研究方向
1. **多参数融合**：
- 结合土壤EC值、有机质含量等参数
- 开发机器学习辅助的参数优化算法

2. **时空扩展**：
- 验证全球不同气候带（如半干旱区、季风区）适用性
- 开发三维SWRC模型（空间异质性）

3. **数字孪生集成**：
- 将SWRC动态模型嵌入数字土壤孪生系统
- 实现实时SWRC预测（精度±3%）

4. **生物过程耦合**：
- 考虑根系生长对孔隙结构的改造
- 集成微生物群落代谢活动数据

### 结论
本研究成功开发了一种基于土壤孔隙结构的SWRC动态推断模型，显著提升了土壤水分特性评估效率。模型在农业实践（精准灌溉）、环境保护（水土保持监测）和气候变化研究（土壤碳循环模型）中具有广泛应用前景。后续研究需重点突破黏土极限测量、长期动态追踪和生物过程耦合三大技术瓶颈。