基于吸附-毛细双机制耦合的土壤热导率模型构建与验证

《Geoderma》：A bimodal model for thermal conductivity as a function of matric potential incorporating adsorption and capillarity

为解决土壤热导率(λ)随水势(pF)变化的复杂非线性关系难以准确描述的问题，研究人员开展了基于吸附-毛细双机制耦合的土壤热导率模型(BoT模型)研究。该研究整合了吸附水和毛细水对热导率的贡献，提出了一种新的双模态模型，结果表明BoT模型能更精确地拟合λ(pF)曲线，揭示了不同水分形态对热导率的影响机制，为土壤热性质研究和环境模拟提供了重要工具。

　　

土壤热性质是影响地表能量平衡、作物生长和气候变化的关键参数，其中热导率(λ)决定了热量在土壤中的传输效率。然而，土壤热导率并非恒定不变，它强烈依赖于土壤含水量，表现为随土壤水势(pF)变化的复杂函数关系。准确描述λ(pF)关系对于理解陆-气相互作用、优化农业灌溉以及预测冻土变化等都至关重要。

长期以来，研究者们尝试用各种模型来描述λ(pF)关系，但现有模型存在明显局限。有些模型假设过于简化，无法捕捉λ随pF变化的非线性特征；有些模型参数物理意义不明确，缺乏普适性；还有些模型只能描述特定水分区间的变化规律。这些不足限制了我们在不同环境条件下准确预测土壤热性质的能力。

为什么土壤热导率会随水分变化呈现如此复杂的响应？关键在于水分在土壤中存在两种截然不同的形态：吸附水和毛细水。吸附水通过分子间作用力紧密附着在土壤颗粒表面，形成薄薄的水膜；而毛细水则依靠表面张力填充在土壤孔隙中。这两种水分形态不仅物理状态不同，对热传导的贡献机制也各异。然而，现有模型很少能清晰区分这两种机制的独立贡献和耦合效应。

为了突破这一瓶颈，研究人员在《Geoderma》上发表了创新性研究，开发了一种新的Boltzmann-Tani(BoT)模型。该模型首次将吸附和毛细机制解耦，通过双模态函数分别描述它们对热导率的贡献。研究团队收集了18种不同质地土壤的热导率数据，覆盖从饱和到干燥的完整水分范围，并与两种现有主流模型进行了系统比较。

研究发现，BoT模型能显著提高λ(pF)关系的预测精度。与统一指数模型(UnE)和两段幂函数模型(TsP)相比，BoT模型的均方根误差降低至0.043 W m^-1K^-1，决定系数高达0.983。更重要的是，该模型的参数具有明确的物理意义：pF_ads和pF_cap分别对应吸附区和毛细区的拐点，而λ_ads^max和λ_cap^max则表示两种机制的最大贡献值。

研究的关键技术方法包括：收集18种不同质地土壤的热导率-水势(λ-pF)实测数据；采用微分进化算法进行模型参数优化；基于土壤质地和容重开发pedo-transfer函数(PTFs)；使用均方根误差(RMSE)、Akaike信息准则(AIC)和决定系数(R²)等指标进行模型验证。

模型理论基础

BoT模型的核心思想是将总热导率分解为吸附、毛细和干土三个组成部分。研究表明，在吸附主导区(pF值较高)，热导率变化主要受吸附水控制；而在毛细主导区(pF值较低)，毛细水的作用占主导。模型通过两个S型函数的叠加，成功捕捉了λ(pF)曲线的双峰特征。

参数物理意义

研究人员发现，BoT模型的参数与土壤基本性质密切相关。pF_ads与临界含水量(θ_c)高度相关(R²=0.920)，而pF_cap则与水力连续性含水量(θ_hc)存在良好对应关系(R²=0.835)。这些关系证实了模型参数的物理合理性，为模型推广应用奠定了基础。

模型性能验证

通过系统比较，BoT模型在所有测试土壤中都表现出最优性能。特别在过渡区域，该模型能准确描述热导率的变化趋势，而其他模型则出现明显偏差。对于粗质地土壤，吸附贡献较小；而对于细质地土壤，吸附机制的作用更加显著。

机制解析

研究进一步揭示了不同水分形态的作用机制。在吸附区，热导率的增加主要源于水膜形成改善的颗粒间热接触；而在毛细区，热导率提升则得益于孔隙水形成的连续热传导路径。这种机制区分有助于理解不同质地土壤热性质的差异。

本研究通过建立吸附-毛细双机制耦合模型，成功解决了土壤热导率预测的难题。BoT模型不仅精度高，参数物理意义明确，还能反映不同水分形态的作用机制。该模型为土壤热性质研究提供了新工具，对理解陆面过程、优化农业管理具有重要意义。未来工作可进一步扩展模型适用性，纳入有机质和土壤结构的影响，推动模型在更广泛环境条件下的应用。