农业土壤代表性基本体积(REV)的多尺度研究：图像分辨率与耕作方式对孔隙结构的交互影响

本研究针对土壤微观结构表征中代表性基本体积(REV)的确定问题，通过X射线显微断层扫描(μCT)技术，系统分析了不同图像分辨率(1.64 μm、5.25 μm和35 μm)和耕作方式(常规耕作CT与最小耕作MT)对土壤孔隙多项形态学指标的影响。研究发现REV值随分辨率和测量属性显著变化，最小耕作下孔隙结构更复杂，且高分辨率下算法局限可能导致参数异常。该研究为土壤多尺度结构量化提供了方法论指导，对农业土壤管理具有重要实践意义。

　　

在农业土壤研究中，准确表征土壤微观结构对理解水分运移、养分循环和作物生长至关重要。然而，土壤作为高度异质的多孔介质，其物理性质的测量严重依赖于取样尺度。代表性基本体积(Representative Elementary Volume, REV)被定义为能够反映材料宏观性质的最小样本体积，这一概念的实践应用长期面临挑战：不同成像分辨率下可探测的孔隙域（团粒内孔隙与团粒间孔隙）存在显著差异，且耕作方式会通过改变土壤团聚体结构进一步增加复杂性。尽管X射线显微断层扫描(X-ray microtomography, μCT)技术已广泛应用于土壤孔隙网络量化，但系统性研究不同分辨率与耕作措施对REV影响的报道仍属空白。

针对这一科学问题，巴西蓬塔格罗萨州立大学的研究团队在《Soil Biology and Biochemistry》发表了创新性研究。他们通过采集传统耕作(Conventional Tillage, CT)和最小耕作(Minimum Tillage, MT)条件下的土壤样本，分别采用1.64 μm（同步辐射光源）、5.25 μm（纳米聚焦CT）和35 μm（工业微CT）三种分辨率进行扫描，首次系统分析了分辨率、耕作方式和孔隙形态学参数之间的交互作用对REV确定的影响。

研究采用多步骤技术方法：首先从巴西Paraná州长期定位试验点采集原状土壤样本，按分辨率要求制备不同尺寸的样品（3 mm团聚体至5 cm原状钻芯）；通过μCT扫描获取三维图像后，采用统一的图像处理流程（包括中值滤波、非锐化掩模滤波和Otsu阈值分割）进行二值化处理；基于从图像几何中心提取的20个渐进子体积（立方体），计算孔隙度(?)、孔隙数量(NP/V)、各向异性程度(DA)、表面积(SA/V)、分形维数(FD)、孔隙连通性(C/V)和曲折度(τ)等7项形态学参数；最后通过变异系数(CV)稳定化准则（阈值设为50%）结合连续5个子体积稳定性要求确定REV。

3.1 三维孔隙骨架特征

通过三维孔隙网络可视化发现，随着子体积增大，孔隙数量和连通性显著增加。高分辨率（1.64 μm）图像中孔隙多呈孤立分布，而低分辨率（35 μm）图像中则呈现更均匀的连通孔隙网络。最小耕作(MT)样本表现出更明显的孔隙簇状分布，这与其生物活动驱动的孔隙形成机制相符。

3.2 形态学属性与分辨率相关的REV

REV值显示强烈依赖于分辨率、测量属性和耕作方式：

• •

  在1.64 μm分辨率下，所有属性均达到REV，REV范围在2.0×10^-2至1.2×10^-1 mm³之间

• •

  5.25 μm分辨率下，CT样本的DA和τ未能达到REV

• •

  35 μm分辨率需要最大REV（10³-10⁴ mm³量级）

  耕作比较显示：CT在高分辨率下REV较小（结构更均质），而MT在低分辨率下REV较大（孔隙网络更复杂）

3.3 形态学属性特征

孔隙度随分辨率降低而增加（1.64 μm时约2-4%，35 μm时达17-20%），证实高分辨率主要捕获对总孔隙度贡献小的团粒内孔隙。分形维数(FD)在低分辨率下更高（2.7-2.8），反映大尺度孔隙网络复杂性。算法局限在1.64 μm分辨率导致异常值：DA>1（理论最大值应为1）、τ<1（理论最小值应为1）和FD<2（三维结构应≥2），这些异常与低孔隙度下的数值计算误差有关。

研究结论深刻揭示了多尺度土壤孔隙系统的复杂性：首先证实了REV同时存在于团粒内和团粒间孔隙域，支持了第一个研究假设；其次，最小耕作因其减少土壤扰动而形成更复杂的孔隙网络，需要更大的REV，这验证了第二个假设；最后发现即使达到REV，高分辨率下的算法局限仍可能导致参数失真，这对方法论实践提出重要警示。

该研究的科学意义在于建立了分辨率-耕作方式-REV的定量关系框架，为未来土壤μCT研究提供了分辨率选择的科学依据。实践上表明，最小耕作通过维持生物孔隙和根孔连续性，显著改善土壤水文功能，而传统耕作虽然创造更多大孔隙但以牺牲连通性为代价。研究者建议未来工作应增加样本重复、开发更稳健的算法，并探索多分辨率图像融合技术以全面捕捉土壤多尺度孔隙结构。这些见解对优化农业管理措施、增强土壤生态功能具有重要指导价值。