基于数据同化的热脉冲法在根区土壤水热参数原位监测中的创新应用

针对根区土壤异质性导致传统热脉冲(HP)技术测量误差大的问题，本研究提出基于迭代局部更新集合平滑器(ILUES)的数据同化新方法，通过融合数值模型与实测信号，实现了根区土壤热容(C)、导热系数(λ)、含水量(θ)和容重(ρb)的高精度反演，平均RMSE降低达90%，为土壤-植物互作研究提供了突破性工具。

　　

在农业生产和生态研究中，根区被称为植物的"营养中枢"，其水热动态直接决定作物生长效率。然而，根系与土壤形成的"复合体"具有显著空间异质性——就像在咖啡里插入吸管会改变液体流动路径，根系的存在会扭曲热脉冲(HP)信号传导，导致传统基于均质介质假设的HP技术（如PILS和ICPC方法）测量结果失真。研究表明，当根系平行于HP探针时，传统方法会将根-土壤混合体的等效热参数误判为纯土壤参数，造成体积热容(C)高估达1.20 MJ m^?3 K^?1，进而导致土壤含水量(θ)和容重(ρ_b)的连锁误差。这种"盲人摸象"式的测量困境，严重制约着精准农业和土壤碳循环研究。

北京师范大学的研究团队在《Soil and Tillage Research》发表创新成果，将气象预报领域的数据同化(DA)技术引入土壤监测，开发出基于迭代局部更新集合平滑器(ILUES)的HP新方法。该方法突破传统优化算法易陷局部最优的局限，通过三步走策略：首先生成先验参数集合，随后通过局部集合更新探索参数分布，最终统计获得后验估计值。就像用多角度CT扫描替代单张X光片，ILUES能同时反演根区土壤真实热参数和根系特征，实现"去伪存真"。

关键技术
研究采用合成数据验证和含根砂土实验双重验证体系。通过COMSOL Multiphysics构建三维热传导模型模拟HP信号，结合de Vries模型和Lu模型建立C-λ与θ-ρ_b的物理关联。ILUES算法通过150次迭代实现参数更新，采用RMSE和平均绝对误差(MAE)评估性能，并与传统优化方法对比。

研究结果
效果验证
在含根直径0.5-2 mm的砂土实验中，新方法将C和λ的RMSE分别降至0.10 MJ m^?3 K^?1和0.3 W m^?1 K^?1，较传统方法提升83%精度。温度场模拟显示，ILUES能准确捕捉根系导致的"热障效应"。

参数反演
θ和ρ_b的反演误差分别降低75%和83%，达到0.05 m³ m^-3和0.10 g cm^?3。特别在根系密集区，新方法通过识别λ的空间突变点，准确定位根系位置。

鲁棒性测试
即使初始参数偏离真实值50%，经过20次数据同化后，参数估计仍能收敛至合理范围，证明算法对初值不敏感。

结论与展望
该研究开创性地将数据同化引入土壤物理监测领域，Xie等提出的ILUES-HP方法如同给土壤检测装上"智能滤镜"，能有效剥离根系干扰，还原真实土壤参数。这不仅解决了Steinberg等2006年指出的根区测量系统误差问题，更通过θ-ρ_b-C-λ的多参数协同反演，为研究根系吸水动力学提供了新范式。未来若结合无人机热成像，该方法有望实现田间尺度的根区三维绘图，推动"数字根系表型组"研究。正如审稿人所言："这项技术让看不见的根区过程变得清晰可测，是土壤物理与信息科学交叉融合的典范"。