摘要
在灌溉、干旱评估以及可持续水资源管理方面,土壤水分模型的重要性日益凸显。然而,基于物理原理的模型、人工智能模型以及混合模型在过程表征、数据需求以及可移植性方面存在差异。本综述对这些模型进行了深入比较,并利用Web of Science、Scopus和OpenAlex中的相关数据库记录,对2015年至2026年的研究进行了分析;定量比较则基于2015年至2025年的完整数据。在这期间,基于物理原理的模型的年度数据库记录从21,795条增加到38,899条,增长了1.78倍;基于人工智能的模型的记录从203条增加到4,088条,增长了20.14倍;而混合模型的记录则从61条增加到669条,增长了10.97倍。由于不同数据库中的记录存在重叠,这些数值反映的是相对趋势而非实际独立的出版物数量。基于物理原理的模型在机制解析方面仍具有不可替代的作用,但其应用受到水力参数设定、边界条件、地形异质性以及尺度不匹配等因素的限制。基于人工智能的模型则具备多源数据整合与遥感技术结合的优势,但存在领域适应性差、外推能力弱以及过程可解释性不足的问题。混合模型则通过参数估计、仿真、残差修正、数据同化、物理信息引导学习以及可微分耦合等方式带来特定优势,但同时也可能继承两种模型各自的不确定性。没有哪种模型类在所有情况下都更优。因此,模型选择应以具体问题为导向,并通过独立验证、不确定性量化、领域评估,以及在根区层面和管理决策相关的关键阈值上的性能测试来支撑决策。