冻土未冻水含量估算模型矩阵的构建与优化研究

为解决冻土区未冻水含量(wu)估算精度不足的问题，研究人员通过整合Kozlowski模型、4种冻结点(Tf)模型和4种残余未冻水含量(wr)模型，构建了包含16种估算模型的矩阵。结果表明，L2021-K2007模型（结合Liang 2021 Tf模型与Kozlowski 2007 wr模型）表现最优，Tf和wr模型在不同温度区间对估算结果影响显著。该研究为冻土水文过程模拟和寒区工程提供了重要理论工具。

　　

在广袤的寒区地带，冻土中隐藏着一个影响生态与工程的关键密码——未冻水含量(w_u)。即使温度降至冰点以下，部分水分仍会以液态形式存在，这种现象如同大自然的"抗冻魔法"，直接关系到寒区水文循环、能源平衡和工程建设。然而，现有的未冻水含量估算模型多依赖实验数据拟合，缺乏普适性，且冻结点(T_f)和残余未冻水含量(w_r)的估算方法各异，导致预测结果差异显著。

针对这一难题，中国的研究团队在《CATENA》发表了一项突破性研究。他们创造性地构建了一个包含16种估算模型的矩阵，通过组合Kozlowski分段函数、4种T_f模型和4种w_r模型，系统评估了不同模型组合的预测性能。研究采用777组实测数据验证，涵盖核磁共振(NMR)、时域反射法(TDR)等多种测量技术，重点分析了温度区间对模型敏感性的影响。

理论方法
研究以Kozlowski分段函数为核心框架，该模型将未冻水含量分为三个温度区间：高于冻结点(T>T_f)时保持初始含水量(w₀)；在边界温度(T_m)与冻结点之间呈指数下降；低于T_m时稳定于w_r。通过引入4种T_f模型（包括基于塑性指数、液限等参数的算法）和4种w_r模型（涉及比表面积SSA等参数），构建了完整的估算矩阵。

模型评估
在56种土壤样本验证中，L2021-K2007模型组合表现最优，其Nash-Sutcliffe效率系数(NSE)显著优于其他组合。研究发现：Liang 2021 T_f模型在所有T_f模型中贡献度最高，而Kozlowski 2007 w_r模型在w_r模型中精度最佳。温度敏感性分析揭示：较高温度区间(-1至-5°C)T_f模型主导预测精度，而在低温区间(<-15°C)w_r模型影响更大。

影响因素
细粒土壤的估算精度普遍高于粗粒土壤，这与黏土矿物表面吸附水膜的特性相关。初始含水量(w₀)超过液限时，模型误差增大约18%，表明高含水状态需要特殊修正。不同测量技术(NMR、TDR等)获取的数据对模型验证结果无显著差异，证实了矩阵的广泛适用性。

结论与展望
该研究建立的模型矩阵首次系统整合了T_f和w_r的多种算法，为寒区工程和水文模拟提供了模块化工具包。特别值得注意的是，研究明确了温度区间与参数敏感性的对应关系：T_f模型主导近冻结区预测，而w_r模型决定深冻区精度，这一发现为模型选择提供了科学依据。未来研究可拓展至含盐冻土等特殊工况，并探索机器学习与物理模型的融合路径。这项成果不仅提升了冻土水热耦合模拟的准确性，更为寒区气候变化研究和基础设施建设奠定了重要理论基础。