《Journal of Hydrology》：Evaluating saturated hydraulic conductivity schemes: impacts on soil moisture simulations and soil texture-dependent applicability
编辑推荐：
土壤饱和水力传导率（Ksat）估算方案在青藏高原（TP）区域CLM5.0模型中的性能评估。研究对比了Campbell、USBR、Chapuis等五类Ksat方案与实验室测量值的差异，发现CLM默认方案整体精度最优但无法充分表征观测变异范围，USBR方案在区域尺度上RMSE最低（0.106 m3·m?3）。敏感性分析表明有机质对浅层土壤水分模拟影响显著（SHAP值0.04-0.06），且随深度递减。研究揭示了LSM中Ksat参数化方案选择需综合考虑土壤质地和有机质特性，为模型优化提供依据。
潘永杰|王丹云|刘世华|李霞|李索索|苏友琪
中国科学院西北生态环境资源研究院冰冻圈科学与冻土工程国家重点实验室，中国兰州730000
摘要
土壤饱和水力传导率（Ksat）是水文过程中的一个关键参数。虽然已经开发了许多Ksat估算方法，并通过实验室测量进行了评估，但将其整合到地表模型（LSMs）中以及其对模拟土壤水文过程的影响却较少被研究。在本研究中，我们使用实验室测量数据评估了五种典型的Ksat估算方法，然后将它们纳入最新版本的Community Land Model（CLM5.0）中，以评估它们在模拟青藏高原（TP）土壤水分方面的性能。与实验室测量结果相比，大多数方法在不同程度上高估了Ksat值，只有Campbell方法除外。CLM5.0的默认方法在整体准确性方面表现最好，但未能充分捕捉到观察到的全部变化范围。在12个站点进行的土壤含水量模拟结果显示，Chapuis方法的均方根误差最小，而美国垦务局（USBR）方法的时间相关性最高。对整个研究区域的分析表明，所有模拟方法的性能相似，其中USBR方法的均方根误差为0.106 m3·m?3。子区域分析进一步表明，最佳方法取决于土壤质地和有机质含量。通过对土壤质地依赖性的XGBoost/SHAP分析发现，所有方法模拟的浅层土壤水分主要受土壤有机质控制（SHAP范围：0.04–0.06），且这种影响随深度增加而减弱。这些发现提高了地表模型模拟土壤水力过程的能力和适用性。
引言
土壤饱和水力传导率（Ksat）是影响土壤水文过程的关键参数。它根据达西定律量化了土壤在饱和条件下的水分传输能力。Ksat决定了诸如土壤入渗、地下水补给和侧向地下流动等地下过程，同时也直接调节土壤中的溶质传输（Rezaei等人，2021年；Rezaei等人，2016年）。在地表模型（LSM）中，Ksat是控制土壤含水量模拟的关键因素，同时也是蒸发蒸腾效率、地表能量分配（潜热和显热）的重要决定因素，从而影响区域水文气候反馈。因此，通过实验室测量和建模准确确定Ksat参数仍然是土壤水文学及相关学科研究的重点。
Ksat具有显著的空间异质性，主要是由于土壤性质（如土壤质地、孔结构和有机质SOM）的变化。由于在大空间尺度上进行直接现场测量通常不切实际，研究人员开发了多种估算方法，包括基于土壤传输函数（PTF）的参数化方法和基于土壤物理结构的经验或半经验方法。PTF方法将Ksat与易于测量的土壤性质（如土壤质地、SOM和容重）统计关联起来。经典示例包括：Cosby方法根据土壤中沙子和粘土的百分比来计算Ksat值（Cosby等人，1984年）；Puckett方法根据土壤中的粘土含量来估算Ksat（Puckett等人，1985年）；Campbell方法利用粉砂和粘土的百分比来预测Ksat（Campbell和Shiozawa，1992年）。同时，基于土壤粒径的方法通过粒径分布和孔隙度数据来估算土壤水力性质。早期的方法，如Hazen方法，根据松散沙子的均匀系数来估算Ksat值，后续的公式不断改进了这种方法（Vienken和Dietrich，2011年）。例如，美国垦务局（USBR）方法基于有效粒径来计算水力传导率，特别适用于均匀系数低于5的中等级配土壤（Cheng和Chen，2007年）。Kozeny-Carman方法是估算水力传导率最广泛接受和使用的函数之一，它根据土壤孔隙度、比表面积和迂曲度来预测Ksat（Carman，1939年；Kozeny，1927年）。这一方法激发了许多关于渗透性估算的改进，包括Chapuis（2012年）和Urumovi?（2016年）的工作。经验方法具有实用性优势，而物理方法则强调机制的严谨性。每种方法在计算过程中都有其自身的优势，最适合的方法是根据数据需求、可扩展性和准确性来选择的。
近年来，大量研究基于观测数据评估了土壤水力传导率的估算方法，主要关注它们的直接估算准确性（Dai等人，2019年；Gootman等人，2020年；Singh和Sharma，2023年；Zhuang等人，2000年）。例如，Zhuang等人（2000年）使用402个测量数据集评估了八种估算土壤Ksat的方法。Singh和Sharma（2023年）还将八种经验方法与地表核磁共振测量结果进行了比较。研究人员还在青藏高原（TP）评估了不同的Ksat方法，结果表明该地区各种方法的估算结果差异很大（Zuo和He，2021年）。这些评估对于选择最佳的Ksat方法具有重要的价值。然而，一个关键问题是：为土壤样本提供最准确Ksat估算的方法是否一定是地表模型的最佳选择。这个问题之所以提出，是因为在集成模型中，Ksat并不是孤立存在的。由于不同方法对土壤质地的适用性不同，且Ksat与其他模型参数化（如径流和蒸发蒸腾）相互作用，因此提供最准确Ksat值的方法可能不会导致最佳的土壤水分模拟结果。由于这些复杂的相互作用和潜在的误差补偿，Ksat的偏差可能会引起非线性传播效应，导致关键模型输出（如土壤水分动态、地表径流和地下水补给）出现显著误差（Cai等人，2014年；Goyal等人，2019年）。
尽管已经付出了大量努力来比较不同Ksat方法的准确性，但将其整合到地表模型中及其对土壤水文过程模拟的影响仍需进一步研究。大多数现有评估依赖于有限的观测数据集，很少有研究在完整的物理地表模型中系统地评估方法的性能。此外，研究表明，由于在数据稀少和具有挑战性的地区（如TP），地表模型中对土壤水力性质的描述不准确，模拟的土壤水分与观测结果存在较大偏差（Lu等人，2020年；Pan等人，2024年）。TP地区地形复杂、土壤异质性强，加上观测数据受限和模型性能不佳，选择合适的Ksat方法对于可靠模拟尤为重要。因此，本研究旨在确定TP不同土壤条件下最适合的Ksat参数化方法。为此，有两个关键问题：（1）在直接Ksat估算中表现最好的方法是否也能在地表模型中实现最准确的土壤水分模拟？（2）方法性能如何随基本土壤性质（如质地和有机质含量）变化？为了解决这两个问题，本研究通过以下步骤对五种广泛使用的Ksat方法进行了全面评估：首先，我们将它们的估算Ksat值与TP的大量土壤样本测量结果进行比较；其次，我们将每种方法整合到Community Land Model 5.0（CLM5.0）中，以评估它们在模拟土壤水分动态方面的性能；最后，我们使用可解释的机器学习技术客观诊断方法性能与土壤性质之间的机制关系。
方法片段
Ksat方法介绍
本研究系统评估了五种Ksat方法，包括三种基于粒径的方法（经验性和半经验性）和两种PTF方法（表2）。这五种方法基于粒径分析数据计算Ksat。选择这些方法是因为它们代表了文献中常见的类型，在以往的研究中得到了广泛应用和比较，并且目前已在CLM等地表模型中实现或易于整合。所选方法...
使用土壤样本数据评估方法
首先，使用TP地区65个土壤样本的土壤质地数据来计算五种方法的Ksat估算值。通过将这些估算值与图2中的Ksat测量值进行比较，评估了不同方法的性能。五种不同方法的Ksat估算值差异很大，跨越了四个数量级，反映了它们理论基础的差异。Campbell方法计算的Ksat值显著低于...
不同方法适用性分析
从图2的结果来看，基于土壤粒径的三种方法（USBR、Urumovi?和Chapuis）得出的Ksat估算值较为一致，其中USBR方法计算的Ksat值高于其他方法。两种半经验方法Urumovi?和Chapuis都考虑了土壤孔隙度的作用，并估算出的水力传导率值非常接近。此外，这两种方法模拟的土壤含水量也高度一致...
总结
本研究系统评估了五种饱和水力传导率（Ksat）方法，不仅直接估算了参数，还进一步评估了它们在集成地表模型（LSM）中模拟TP地区土壤水分的性能。我们的主要发现对水文建模有几个更广泛的启示。首先，我们证明了直接Ksat估算的最佳方法（CLM的默认方法）并不是模拟现场土壤水分动态的最有效方法...
CRediT作者贡献声明
潘永杰：写作 – 审稿与编辑、撰写初稿、可视化、项目管理、方法论、研究、资金获取、正式分析、数据管理、概念化。
王丹云：写作 – 审稿与编辑、撰写初稿、验证、监督、软件。
刘世华：写作 – 审稿与编辑、撰写初稿、监督、资源管理、概念化。
李霞：写作 – 审稿与编辑、撰写初稿、可视化。
声明利益冲突
作者声明他们没有已知的竞争财务利益或个人关系可能影响本文所报告的工作。
致谢
本研究得到了国家自然科学基金（42275092、42305134）、四川省高原大气与环境重点实验室开放研究基金计划（PAEKL-2023-K03）以及中国科学院冰冻圈科学与冻土工程国家重点实验室项目（CSFSE-ZZ-2410）的共同支持。
