饱和与非饱和土壤水力参数多尺度数据整合方法的发展与应用

饱和与非饱和土壤水力特性是水利学、水文学、土壤学和环境科学中十分重要的物理参数，它们的空间变异性强烈地影响着土壤中水流和污染物运移的动态过程。构建有效的方法，整合由不同测量过程获得的多源、多尺度数据以降低水力特性参数的空间变异性所带来的模拟的不确定性，是一项重要而又具有挑战性的研究工作。本申请项目拟在贝叶斯层次模型的框架下，结合多尺度算法和自适应的马尔科夫链蒙特卡洛模拟技术，发展一种静态或动态多尺度数据整合方法并应用于野外实验观测中。该研究的科学思路是：在已知粗尺度上的土壤有效水力特性参数或土壤水分动态观测数据以及细尺度上的水力特性参数先验信息的条件下，重构出细尺度上土壤饱和或非饱和水力特性参数的空间分布。本项目申请的选题是目前国际上相关领域的热点研究方向。这项研究对于区域尺度上更加精细地估算土壤水力学参数，进而更好地模拟和预测土壤中与水动力过程有关的水文动态规律具有重要的理论和实际意义。

饱和与非饱和土壤水力特性是水利学、水文学、土壤学和环境科学中十分重要的物理参数，它们的空间变异性强烈地影响着土壤中水流和污染物运移的动态过程。本研究构建了多尺度多来源数据整合方法，利用尽可能多的数据对土壤水力参数进行定量化，从而降低水力特性参数的空间变异性所带来的模拟的不确定性。在方法构建方面主要包括：描述非饱和水流问题的尺度提升方法、连接不同来源数据的贝叶斯层次模型框架、可靠而高效的后验分布抽样算法（adaptive Markov Chain Monte Carlo, MCMC）。构建的方法能够处理任意多尺度上静态和动态数据的整合问题，其中的尺度提升方法考虑了呈现多尺度和非线性特性的流动问题、高效的抽样算法能够处理这种复杂的高维后验分布抽样问题。这一方法为利用遥感、物探等新技术手段获取的土壤含水量、土壤特性参数等区域尺度数据进一步模拟更高分辨率下土壤水分动态提供了可靠的定量化手段。目前方法在野外实验数据中的验证及在区域尺度上的应用还在进行中，将在后续两年内继续提交研究成果。