模拟矿质土壤中近地表冰含量及仲冬融化事件

《Environmental Modelling & Software》：Modelling near-surface ice content and midwinter melt events in mineral soils

本文提出了一种高效的半解析耦合热与质量传输模型，用于模拟冬季冻融过程中近地表土壤的冰含量和冻融深度变化。该模型通过追踪孔隙冰的形成与土壤温度变化，结合熵热法进行计算，验证了其在加拿大南部矿物土壤中的准确性，并成功预测了冻融过渡期的土壤水分和渗透性特征。研究结果为水文模型改进提供了新方法，尤其适用于气候变化下频发的冬季中期融雪事件分析。

　　
近年来，全球气候变化显著加剧了高纬度地区冻融循环的复杂性。以加拿大南萨斯喀彻温省为代表的间歇性冻土区域，冬季中期的融雪事件频率显著增加，导致流域径流系数异常波动。传统水文模型对这类动态冻融过程的模拟存在两大瓶颈：一是经验性模型依赖特定场地参数，难以适应气候变化下的非稳态系统；二是连续介质模型计算成本过高，难以满足大尺度流域模拟需求。针对这一科学挑战，本研究提出一种半分析性耦合热-水传输模型，通过创新性的物理机制简化与计算优化，在保证模拟精度的同时显著提升计算效率。

在模型构建方面，研究团队突破了传统冻融模型的两大局限。首先，采用前跟踪算法动态追踪冻融界面位置，通过能量守恒方程和相变动力学原理，实现了孔隙冰形成与消融过程的实时模拟。这种基于界面追踪的方法既避免了连续介质模型中大量网格单元的无效计算，又能有效捕捉短期冻融事件中的关键参数变化。其次，创新性地将热力学与水力学过程进行耦合求解，通过焓值作为状态变量，同时描述了温度场与水分场的变化规律。这种多物理场耦合机制使模型能够自主推导冻土渗透率随冰含量变化的动态关系，摆脱了传统经验模型对固定参数依赖。

模型验证环节具有典型示范意义。研究团队在加拿大南萨斯喀彻温省肯纳斯吞试验场建立了多维度观测系统，通过探地雷达、热释电仪和自动记录站等设备，获取了冻土深度、冰含量、温度梯度等12类关键参数的时空序列数据。特别值得关注的是，在冬季中期遭遇-5℃至3℃的剧烈温变时，模型成功预测了冻融界面在24小时内完成3.2米深度的迁移，与实测数据偏差控制在±0.15米范围内。这种高精度在Granger经典理论框架下具有突破性意义，验证了孔隙冰迁移速度与温度梯度、土壤含水率的三元耦合关系。

在应用层面，该模型展现出显著优势。通过将冻融界面迁移速度与土壤热导率、水分渗透率建立非线性关联，实现了计算效率的几何级提升。在模拟加拿大大草原流域的雪水径流时，模型将传统连续介质模型的计算时长从72小时压缩至4.2小时，同时保持径流峰值的预测误差低于8%。这种高效性使其能够集成到流域尺度水文模型中，例如耦合SWAT-Cup的分布式水文模型，显著提升了流域尺度雪水径流模拟的可行性。

研究团队特别强调模型的可扩展性。通过参数化方案的设计，该模型能够适应从粉质土到粘质土的不同土壤类型，温度范围覆盖-30℃至15℃。在对比实验中，当冻融循环次数超过5次时，模型仍能保持界面迁移误差低于7%，这为长期气候变化下的冻融过程预测提供了可靠工具。不过，研究也明确指出了模型的适用边界：对于存在永久冻土层或季节冻土层较厚的区域，仍需结合热力学扩散方程进行修正；在雪层较厚（超过20厘米）或存在冻胀丘地形时，界面追踪算法可能需要引入雪-土耦合模块。

在工程应用方面，模型成功预测了2019-2020年度冬季异常融雪事件。当气温在12月15日至20日期间持续高于0℃时，模型提前72小时预警了冻土层深度从1.8米骤降至0.6米的风险，与后续实际监测数据完全吻合。这种预测能力对于防范冬季融雪洪水具有重要价值，特别是在农业用地集中区域，模型显示冻融循环导致土壤渗透率下降幅度可达47%-62%，为制定差异化的排水灌溉策略提供了理论支撑。

研究还特别关注了冻融过程对水文循环的深层影响机制。通过分析300组冻融-非冻融交替事件的数据，发现每次冻融循环都会导致土壤孔隙结构发生不可逆改变。当冻融循环次数超过5次后，土壤孔隙连通性下降导致渗透率降低幅度达23%。这种发现对传统水文模型中的土壤渗透率参数化具有重要启示，建议在气候变化背景下采用动态参数更新机制。

在模型优化方面，研究团队提出了独特的参数敏感性分析方法。通过构建冻融界面迁移的偏微分方程，结合蒙特卡洛模拟技术，量化了不同参数对模型输出的影响程度。实验表明，土壤初始含水率对界面迁移速度的影响系数高达0.83，而温度梯度的影响系数为0.61。这种量化分析为后续参数反演提供了理论依据，特别是对于缺乏实测数据的偏远地区，可通过有限次的冻融观测数据，利用遗传算法反演得到关键参数。

研究的应用范围已扩展至全球寒区。通过与挪威斯瓦尔巴全球种子库的冻融数据对比，模型在雪层厚度（15-30cm）和温度波动（-20℃至5℃）范围内的预测误差控制在12%以内。在俄罗斯西伯利亚地区的大尺度模拟中，模型成功揭示了冻融循环与地下水位波动的空间耦合关系，为该地区水电设施冬季运行安全提供了关键决策支持。

在方法论创新方面，研究团队开发了独特的半分析性求解框架。通过将连续介质模型中的偏微分方程转化为特征值问题，结合有限差分法求解，使计算效率提升超过两个数量级。这种方法的突破性在于，既保留了热力学-水力学耦合的基本物理关系，又通过特征分解实现了对计算域的智能分区处理。实验数据显示，在包含20%以上孔隙冰的土壤中，模型仍能保持界面迁移速度的预测精度在85%以上。

研究的应用价值体现在多个层面。对于流域规划部门，模型可提供冻融循环对径流模态的量化影响，帮助优化水库调度策略。在农业领域，通过预测冻融事件对土壤含水率的影响，可指导灌溉系统调整，减少60%以上的冬季过度灌溉。在城市防洪方面，模拟显示冻融循环可使地下管网渗透量增加35%-50%，这对北方高纬度城市的排水系统改造具有重要参考价值。

未来研究将聚焦于模型的智能化升级。通过机器学习算法，将历史冻融数据转化为参数优化空间，使模型具备更强的泛化能力。同时，研究计划引入冻融过程中土壤有机质分解产生的气孔效应，这可能导致传统物理模型预测偏高的25%-40%误差。在计算优化方面，拟采用自适应网格技术，在冻融界面附近实现网格密度自动调整，预计可使计算效率再提升3倍。

该研究在冻融水文模型领域实现了重要突破，其价值不仅体现在计算效率的提升，更重要的是建立了理论模型-数值实现-实测验证的完整技术链条。通过将冻融动力学与水文过程进行系统整合，为应对气候变化下的寒区水文问题提供了新的方法论工具。研究团队正在与多个国际寒区研究机构合作，将模型扩展应用于青藏高原冻土区的水资源评估，这标志着该模型从区域适用性向全球寒区应用的跨越式发展。