土壤学报

作者：满俊，张江江，郑强，尧一骏，曾令藻

单位：满俊，中国科学院土壤环境与污染修复重点实验室(南京土壤研究所), 南京 210008；manjun91@issas.ac.cn,张江江，长江保护与绿色发展研究院(河海大学), 南京 210024；,郑强，数学与理论部(鹏城实验室), 深圳 518055；,尧一骏，中国科学院土壤环境与污染修复重点实验室(南京土壤研究所), 南京 210008；,曾令藻，浙江省农业资源与环境重点实验室(浙江大学), 杭州 310058；,

关键词：数值模拟;土壤水力参数;参数反演;数据同化;优化试验设计;机器学习

基金：国家重点研发计划项目（2021YFC1808904）、国家自然科学基金项目（42107066）和江苏省自然科学基金项目（BK20201105）资助

土壤水力参数及其非均质性刻画关乎到诸多土壤与地下水等领域的量化模拟研究问题。受限于时间和采样成本，传统的直接测定方法并不能很好地解决这个问题。随着物联网技术的发展，与土壤水运动有关的一些状态表征量（如含水量和水头）已经能够通过传感器实时获得。如何充分融合这些观测数据信息，反演出土壤水力参数是当前的一个研究热点。数据同化方法能够通过融合观测数据与模型预测值信息，实现对模型参数的反演估计。本文系统分析了土壤水力参数不确定性的来源及测定方法，阐述了常用数据同化方法的基础理论及其在土壤水力参数反演方面的应用，并从计算效率和反演精度两方面着重论述了数据同化方法的最新前沿进展，最后探讨了数据同化方法未来的发展方向。研究表明：数据同化方法能够突破传统测定方法的限制，用于土壤水力参数及其非均质性刻画。尽管如此，由于土壤非饱和流模型的强非线性以及原位观测数据的相对稀缺性等问题的存在，当前数据同化方法的计算效率和反演精度还有待进一步提升。未来可从发展监督式降维方法、多源多尺度数据融合以及耦合物理机制的机器学习等方面深化土壤水力参数反演方法研究，这有利于农业土水管理、污染防治和修复等工作的合理开展。

来源：2023年第6期

《土壤学报》期刊编辑部

查看土壤学报杂志2023年第6期