地球物理方法在土壤水文過程研究中的應用與展望①

劉成功，賈小旭，邵明安

地球物理方法在土壤水文過程研究中的應用與展望①

劉成功1,2，賈小旭1,2*，邵明安1,2

(1 中國科學院地理科學與資源研究所生態系統網絡觀測與模擬重點實驗室，北京 100101；2 中國科學院大學資源與環境學院，北京 100190)

土壤水分的多尺度高效監測是土壤水文過程研究的基礎。近些年以電阻率成像法、探地雷達法和電磁感應法為代表的地球物理方法，憑借多尺度適用性和微擾動原位監測的優勢被廣泛用于土壤水文學研究。本文在介紹以上3種代表性地球物理技術工作原理的基礎上，初步總結了地球物理方法應用于水文學研究中的進展，討論了地球物理手段未來應用于土壤水文學研究中的機遇與挑戰，以期能夠增進有關學者對地球物理手段的了解和認識，更好地將地球物理手段應用于土壤水文學研究中。

土壤水分；電阻率成像法；探地雷達法；電磁感應法；根系吸水

土壤水文過程主要包括水分進出土體以及在土壤內的再分布過程，是陸地水循環過程中的重要組成部分，在地球關鍵帶物質循環和能量流動中起重要作用，是旱區植被健康生長及生態系統可持續性的關鍵。水分是水文過程的主體，對土壤水分狀況的準確高效監測是土壤水文過程研究的基礎。傳統的土壤水分監測方法可分為以烘干法和傳感器法為代表的點尺度方法、以宇宙射線土壤水分觀測系統為代表的中尺度方法[1]和以遙感反演為代表的大尺度方法[2]。以上研究方法的廣泛應用推動了土壤水文學的發展，但也存在一些不足之處。例如，點尺度方法雖然準確，但僅能測定樣點附近土壤水分狀況且安裝過程會對土壤結構造成擾動，大中尺度方法具有監測范圍大且高效無擾動的優點，但其僅能獲得土壤表層水分狀況且易受外部環境的影響[2]。

近幾十年來，隨著地球物理技術的不斷發展和儀器儀表電子技術的不斷進步，以電阻率成像法(electrical resistivity tomography, ERT)、探地雷達法(ground penetrating radar, GPR)和電磁感應法(electromagnetic induction, EMI)為代表的地球物理技術憑借可實現多尺度、高精度和微擾動監測的優勢逐步應用于水文學研究中[3-4]。在Web of Science核心合集中檢索到1990—2020年利用以上3種地球物理方法進行土壤水文學研究的相關文獻共計1 998篇，相關文獻發表年份統計結果如圖1所示。20世紀90年代，尤其是進入21世紀之后，相關文獻發表數量呈逐年增加趨勢，這主要歸因于地球物理探測理論和設備制造技術的進步以及“水文地球物理”概念的提出和普及，這也代表著地球物理方法應用于土壤水文學研究中的意義和價值得到認可。

圖1 應用典型地球物理手段的土壤水文學研究發文數量圖

本文將在介紹常用的地球物理方法及其原理的基礎上，對近年來地球物理方法應用案例進行總結和梳理，并對未來地球物理方法應用于土壤水文學研究中所面臨的問題和挑戰進行討論，以期為相關研究人員提供參考。

1 地球物理方法簡介

1.1 電阻率成像法

電阻率成像法(ERT)以巖土介質導電性差異為基礎，通過在地表或者鉆井布設電極，人工建立和觀測介質內穩定電流場分布情況，從而在一、二或三維上對從點尺度到流域尺度的土壤電阻率進行檢測[5]。其原理如圖2A所示，每個工作單元包含4個工作電極，其中兩個為電流電極(A，B)，兩個為測量電極(M，N)。工作過程中電流電極通電，在下部介質中形成電流場，測量電極則測量此時兩電極之間的電位差并儲存，其測點電阻率可通過如下公式計算：

式中：Δ為M、N兩電極電位差，為A、B兩電極間電流，為與電極間距相關的距離矯正系數。電極排列方式會影響ERT的分辨率，常規電極排列包括溫納排列、施倫貝格排列、偶極–偶極排列、單極–偶極排列和單極–單極排列5種，不同排列方式所測得數據具有不同信噪比和分辨率特征，使用中可參照Loke[6]的研究進行選擇。

ERT直接測得的為表觀電阻率(apparent resistivity)，需通過對地下均勻電阻率分布模型進行迭代修正，以使模型響應值與觀測數據值之間的差異最小，響應值為真實土壤電阻率。該反演方法主要來源于Loke和Barker[7]及Loke和Dahlin[8]的一系列研究成果。溫度對電阻率影響較大，應用中需將其轉化為標準溫度(25℃)下的電阻率(2.5℃)，應用較為廣泛的模型為：

式中：ρ為測試溫度下的土壤電阻率；為溫度補償系數，一般為0.025[9-10]。

1.2 探地雷達法

探地雷達法(GPR)以電磁波傳播過程中遇到介電常數存在差異的界面會發生反射和散射為基礎，通過探地雷達接收散射回波信號，根據回波時間、振幅和形狀對介質的性質、結構和形狀等因素進行推測反演下墊面介電常數特性[11]。探地雷達包括發射天線和接收天線兩部分，其工作原理如圖2B所示。工作時，發射天線發射一定頻率的電磁波，電磁波向下傳遞，遇到不同介電常數的界面會產生不同的反射波，接收天線接收反射波信號并計算反射波波速進而得到介質介電常數及其對應深度信息。介電常數計算方法如下：

式中：為介質的介電常數，為電磁波在土壤中的波速，為真空中電磁波的傳播速度(0.3 m/ns)。按照反射波傳播類型，目前用于土壤水分監測的方法可以分為反射波法、地波法、鉆孔雷達法和反射系數法。

1.3 電磁感應法

電磁感應法(EMI)通過測量土壤中感應電流產生的磁場來對土壤介質的電學性質差異進行監測。其工作原理如圖2C所示，固定頻率的交流電穿過發射線圈產生初級磁場(Hp)，變化的初級磁場在導電的地下感應產生二次磁場(Hs)，初級磁場和二次磁場被接收線圈接收[12]，土壤表觀電導率可由下式計算：

式中：ECa為土壤表觀電導率(mS/m)；Hs、Hp 分別為次級磁場和初級磁場；=2π，為發射頻率(Hz)；為發射端子與接受端子之間距(m)；0為空間磁場傳導系數。通過該方法所測得的土壤表觀電阻率同樣需進行溫度校正[13]。

EMI測量深度及靈敏度取決于信號接收和發射端口的距離、方向以及測量頻率。應用較為廣泛的電磁感應設備(例如EM31、EM38)大多是通過單一發射和接收端口對土壤表觀電阻率進行測量的，有效監測深度淺且測量結果為一定深度范圍內土壤表觀電阻率的加權平均值，垂直分辨率低[14]。近年來，研究者通過搭載不同線圈間距和線圈方向的接收器[15]或建立相關反演模型[16]等方式來提高其結果垂向分辨率。

圖2 三種地球物理方法原理示意圖

1.4 不同地球物理方法的優勢

ERT、GPR和EMI三種方法理論上均可實現對點尺度到流域尺度地球物理特性的動態監測，但由于監測設備原理不同而各有優勢，在使用中需綜合考慮監測需求合理選擇相應技術手段。

ERT和GPR監測深度分別與一次布線首尾電極間距和雷達發射頻率有關，可進行較為靈活的調整，從而實現從點尺度到坡面尺度厘米到十米深度范圍的多維監測，與EMI相比，垂直分辨率較高。EMI監測設備有效監測深度較淺且為深度范圍內加權平均值，如目前應用較為廣泛的EM38和EM31有效監測深度分別為0.75 ～ 1.5 m和3.0 ～ 6.0 m。ERT監測需布設電極且測量過程耗時較多，這一定程度上限制了該方法應用于較大尺度(如流域尺度)和水文過程中間狀態的監測。GPR和EMI不需與地面直接接觸，可搭載于探測車或飛機等快速移動設備上，因而在大范圍監測中更具優勢。

2 地球物理方法在土壤水文過程研究中的應用

ERT、GPR和EMI等地球物理技術所監測的土壤電阻率、土壤介電常數和土壤電導率等土壤物理特性與土壤水分狀況具有密切關系，因而在土壤水分空間分布、水分入滲及再分布以及根系吸水等過程的研究中得到廣泛應用。

2.1 土壤水分時空分布

基于地球物理方法獲取的與土壤水分狀況密切相關的地球物理參數大多受多種環境因子(如含水率、溫度、孔隙度、質地等)影響[14]。因此，將地球物理參數(土壤電阻率、介電常數、表觀電阻率)與土壤水文指標建立可靠的轉換關系是利用地球物理方法進行土壤水文過程研究的重要步驟。

EMI測得的表觀電阻率是一定深度范圍內土壤水分、質地和溶質濃度的綜合反映，因此，研究中大多直接通過將土壤表觀電阻率與所測得的一定深度內的土壤水分狀況建立關系模型來實現兩者之間的轉換[31]。例如，Misra等[32]對棉田田間尺度不同季節土壤表觀電阻率進行監測并建立表觀電阻率–含水率關系，發現各季節ECa值隨特定深度內累積土壤水分值的增加呈非線性增長，且具有較高的可信度，淺層和深層土壤水分隨時間變化規律基本相同。

總體而言，ERT、GPR以及EMI三種地球物理方法監測所得的地球物理參數受多種因素影響，但已有研究已經探索出較為可靠的地球物理參數與土壤含水率之間的轉化模型，并不斷得到驗證和改進，為地球物理方法在多尺度土壤水分空間分布狀況的監測奠定了基礎。

2.2 水分入滲與再分布過程

入滲是水分進入土壤的重要過程，是降水、地表水、土壤水和地下水相互轉化的重要環節，對入滲過程的量化及其影響因素的研究對增加土壤入滲、減少水土流失等具有重要意義。傳統水分入滲研究大多采用侵入式的監測方法[33]或采用示蹤劑染色法[34]在較小尺度上對相關問題進行研究，該類方法可以實現入滲結果的可視化但無法對入滲過程進行描述且費時費力，而地球物理方法的應用可實現相關過程多空間和時間尺度的過程可視化[35]。

地球物理方法進行水分入滲與再分布研究的基本方法為利用所建立的土壤物理特性與土壤含水率轉換方程，將在不同階段水文過程測定的土壤物理參數轉換為土壤含水率即可實現土壤水文過程的動態監測。例如，Dietrich等[36]利用11 m ERT測線對192 h內土壤剖面電阻率進行多次監測，利用室內試驗得到的經驗公式將測得的土壤電阻率轉換為土壤含水率，發現土壤鈣積層的存在阻礙土壤水分的垂直入滲，促進了低入滲區域上部的橫向基質流。Yu等[37]則利用鉆孔和地表GPR對21 m2不同用水處理的土壤深層和表層位置介電常數進行動態監測，并利用Roth模型進行土壤水分反演計算，實現了土壤水分時空演變的可視化，土壤含水率數值上與時域反射儀測量結果具有較好的一致性，而且由于GPR測量的空間代表性較高，利用GPR數據計算所得土壤儲水量變化更接近入滲試驗耗水量。

如前文所述，地球物理特性受諸多因素的影響，建立適用于較大范圍內的土壤物理特性與土壤含水率的轉換模型存在一定困難，但短時間內同一位置土壤質地、孔隙度等因素相對于土壤水分狀況更穩定，即可認為土壤水分是引起土壤物理特性變化的唯一因素，因此可采用地球物理特性的變化作為土壤水分變化的響應，從而對水文過程進行定性和定量描述[4]。例如，Carey等[18]利用ERT對模擬不同降水強度區域的土壤電阻率進行監測，并根據室內土壤測試盒測定結果將電阻率變化大于10% 的位置確定為入滲位置，由此可根據電阻率空間變化得到水分入滲范圍。此外，該研究還利用GPR測得的地下結構進一步解釋了入滲路徑產生的原因。Peskett等[38]利用ERT進行坡面尺度的監測，根據電阻率變化情況判斷該位置土壤水分變化，發現坡中林帶對于加速降水對土壤水的補充作用有限。而Robinson等[39]利用EMI對面積約為4 hm2的流域土壤表觀電阻率進行監測，并用濕潤與干燥土壤表觀電阻率之差對降水事件以及不同季節間土壤潤濕模式和濕度動態變化進行了分析，證實了EMI在流域尺度土壤水分變化監測中的可行性。最近，Zhao等[40]對定水頭入滲剖面過程進行10次電阻率監測，將所得電阻率相對變化量與剖面土壤水分變化進行對比，發現黃土高原水分入滲在前期主要為單一優先流和基質流過程，但隨后優先流在土壤深層轉化為基質流并繼續向深層入滲，而此時表層基質流濕潤鋒基本停滯在較淺位置。該研究結果較為完整地反映了土壤水分的入滲過程，為黃土區土壤水分入滲局限于淺層提供了新的證據，并強調了近地表優先流路徑對于黃土層較深位置處水分補給的作用。

優先流是指在多種環境條件下發生非平衡流動的過程，是一種常見的水分運動形式，具有大孔隙流、管流、指流等形式，其成因和分布特征是土壤水文過程研究的重要內容之一。Kung等[41]于1991年首次利用GPR觀測因深層土壤不連續引起的優先流現象，證明了GPR在優先流研究中的可行性。Allroggen等[42]利用GPR監測模擬降水區域3個土壤剖面介電常數狀況，獲得水分入滲引起的剖面土壤水分變化，進一步證明了時域GPR可以無創探測水分流動路徑，但其時間和空間分辨率均有待提高，應進一步補充不同尺度的示蹤試驗信息。為提高GPR在小尺度上識別優先流路徑和范圍的能力，實現入滲和優先流路徑的準確監測，Di Prima等[43]利用900 MHz 天線間隔20 cm 布設測線，對體積約為1 m3的土體水分入滲前后土壤介電常數進行監測，監測數據經插值、過濾和提取得到介電常數發生實質性變化位置的三維視圖，經與亮藍染色劑標記位置進行比對后發現，該方法可清楚劃分土體內部濕潤區尺寸和形狀，充分體現了地球物理手段三維成像在入滲路徑研究中的優勢[43]。

綜上，地球物理方法微干擾的監測特點和延時監測的方法為水分入滲和運動過程的研究提供大量多尺度時間序列數據，可以有效實現過程的可視化，增進研究者對于相關過程的認識和理解，具有較大的應用潛力。

2.3 根系吸水過程

土壤水分條件是植物生長發育的重要影響因素，地球物理方法對于土壤水分的監測優勢使其可以在植物與土壤水分相互作用研究中發揮巨大作用。植物根系吸水是土壤水分消耗的重要途徑，對土壤水分空間分布具有顯著影響[44]，研究植物根系空間分布及吸水位置對于合理配置植被和作物種類、實現土壤水分的高效可持續利用具有重要科學意義。地球物理手段可以通過連續監測根系及其周圍土壤電磁學性質差異，實現根區土壤水分的動態監測。例如，Rao等[45]利用ERT在不同物種配置的草地上布設水平和豎直探井電極進行多次測量，利用所獲得的高空間分辨率土壤剖面電阻率信息對不同物種干旱脅迫下根系吸水位置和植物耗水量進行了評價，發現雞尾草和黑麥草的吸水位置較淺，雞尾草耗水量顯著高于其他物種。對于存在主根的植物，單一土壤剖面監測不易全面反映根系吸水位置。Vanella等[46]使用三維ERT對不同灌溉方式下柑桔樹的根區(體積約為7 m3)土壤電阻率進行監測，發現淺根和深根活躍程度由水分的有效性決定。劉成功等[47]利用二維ERT分析了黃土高原坡面尺度不同植被類型下土壤電阻率空間分布狀況，量化了由于根系過度耗水導致的土壤干層的空間分布特征。相對于ERT，GPR對具有電學性質不同的邊界更加敏感，所以常用于根系分布及生物量的監測。例如，Liu等[48]對GPR圖像中的粗根反射進行識別，獲得不同位置的反射波速和土壤含水率，并利用反向距離加權插值方法重建了不同深度土壤水分的水平分布，并經三維重建獲得三維根系與土壤水分的空間分布特征，均方根誤差約為0.017。以上研究充分證明了地球物理方法在植物–土壤水分相互作用研究中的獨特優勢，即可以在植被空間格局分布、植物對于水分條件的響應以及農田水資源管理等方面研究中提供各尺度的高密度空間監測數據。

3 機遇與挑戰

地球物理技術作為一種原位、微擾動的監測手段已被廣泛應用于土壤水分時空分布、水分入滲與再分布以及根系吸水等土壤水文學研究中，為多尺度土壤水文過程的監測與模擬提供了新方法，推動了土壤水文學的發展。然而，地球物理方法在土壤水文學研究和應用過程中仍存在一些亟待解決和需要進一步研究的科學問題。

1)地球物理參數與土壤水分定量關系仍需探究。地球物理方法估算土壤含水率的不確定性不僅來自于電阻率模型的不確定性，也來自于研究假定準確無誤的地球物理參數與土壤水文學參數的本構關系[4]。地球物理參數與土壤水文要素之間的關系多為非線性的，模型的精度取決于輸入參數的數量和種類，而輸入參數具有高度的空間異質性和尺度依賴性[10]。因此，如何利用先驗數據與基于“大數據”分析或機器學習的參數預測等新興數據分析方法，建立具有較好預測能力的近似線性的轉換模型是目前值得探索的問題。例如，Brillante等[49]采用不同的機器學習方法來增強土壤水平衡模型和電阻率數據之間的擬合度，而Hedley等[50]發現隨機森林法在建立的土壤表觀電阻率與土壤含水率關系上較多元線性回歸模型具有更高的精度。

2)綜合利用多種地球物理方法進行交叉反演。地球物理方法可實現野外多尺度土壤性質空間變異的定性描述，然而實現定量描述則需要結合額外的(先驗的)信息來構建較為精確的地下模型。土壤水分先驗數據可由烘干法或傳感器法等點尺度方法獲得[51]，但點尺度數據量較小且變異性較大，尺度轉換存在問題。而地球物理方法各具優勢，不同靈敏度和分辨率方法的綜合利用將有利于克服單一方法的局限性[52]。例如，GPR具有較高的垂向空間分辨率，可用于介質差異明顯界面的圈定，而ERT由于低頻電流的物理性質，很難得到清晰的巖性邊界圖像，兩者結合將有利于提高整體空間分辨率[53]。EMI可快速和有效確定較大尺度土壤表觀電導率的空間分布，該方法與ERT相結合可以得到水平與垂直方向土壤剖面電阻率分布的綜合模型[54]。Fan等[52]總結了ERT、GPR和EMI三種地球物理方法在入滲機制與地球關鍵帶結構研究中的綜合使用方法，為綜合利用地球物理方法研究水文過程提供了參考。

3)耦合水文過程模型需進一步探索。地球物理手段可以實現包氣帶土壤水分時空分布和運動過程的監測，進而對剖面水力參數進行預測，但該方法所包含的多過程反演會造成誤差的傳遞和累積[55]。對此，部分學者提出將地球物理參數反演模型與土壤水文模型相耦合的反演方法，在地球物理要素反演過程中增加水文過程機制的約束。例如，Rossi等[56]將GPR和ERT 監測數據同化到水文模型CATHY中進行試驗的數值模擬，試驗結果與簡單非耦合的水文地球物理方法相比，耦合模型提供了更可靠的參數估計和入滲過程的可視化?？傮w而言，耦合水文過程和地球物理監測的模型取得了一定進展，但未來需要更多的工作來提供不依賴于先驗知識的解決方案。

4)基于地球物理方法的多尺度生態水文過程研究內容的拓展。地球物理方法在點到流域尺度及更大尺度的準確高效監測能力隨著基礎理論和設備制造技術的發展得到提升，應用范圍不斷拓寬。除文中所介紹的研究內容外，部分研究者近來將地球物理方法應用于土壤水文與生物地球化學循環[57]、農田生態系統水鹽要素的監測與管理[58]、水文與生態系統之間的響應[45]等研究中，成功地實現了多尺度的過程監測。此外，地球物理方法在深層土壤水分運動、地下水補給等方面的潛力仍值得進一步挖掘。未來相關研究者應及時關注地球物理方法的發展，將地球物理前沿理論和方法引入土壤水文學研究中以提升對土壤水文過程及其生態效應的理解和認識。

[1] Zhu X C, Cao R X, Shao M G, et al. Footprint radius of a cosmic-ray neutron probe for measuring soil-water content and its spatiotemporal variability in an alpine meadow ecosystem[J]. Journal of Hydrology, 2018, 558: 1–8.

[2] 潘寧, 王帥, 劉焱序, 等. 土壤水分遙感反演研究進展[J]. 生態學報, 2019, 39(13): 4615–4626.

[3] Babaeian E, Sadeghi M, Jones S B, et al. Ground, proximal, and satellite remote sensing of soil moisture[J]. Reviews of Geophysics, 2019, 57(2): 530–616.

[4] Binley A, Hubbard S S, Huisman J A, et al. The emergence of hydrogeophysics for improved understanding of subsurface processes over multiple scales[J]. Water Resources Research, 2015, 51(6): 3837–3866.

[5] Samou?lian A, Cousin I, Tabbagh A, et al. Electrical resistivity survey in soil science: A review[J]. Soil and Tillage Research, 2005, 83(2): 173–193.

[6] Loke M H. Electrical Imaging surveys for environmrntal and engineering studies: A practical guide to 2D and 3D surveys [R/OL]. https://pages.mtu.edu/～ctyoung/LOKENOTE.PDF. [2021-09-27].

[7] Loke M H, Barker R D. Rapid least-squares inversion of apparent resistivity pseudosections by a quasi-Newton method1[J]. Geophysical Prospecting, 1996, 44(1): 131–152.

[8] Loke M H, Dahlin T. A comparison of the Gauss-Newton and quasi-Newton methods in resistivity imaging inversion[J]. Journal of Applied Geophysics, 2002, 49(3): 149–162.

[9] Campbell R B, Bower C A, Richards L A. Change of electrical conductivity with temperature and the relation of osmotic pressure to electrical conductivity and ion concentration for soil extracts[J]. Soil Science Society of America Journal, 1949, 13(C): 66–69.

[10] Sun H, Wang Y Q, Zhao Y L, et al. Assessing the value of electrical resistivity derived soil water content: Insights from a case study in the Critical Zone of the Chinese Loess Plateau[J]. Journal of Hydrology, 2020, 589: 125132.

[11] Neal A. Ground-penetrating radar and its use in sedimentology: Principles, problems and progress[J]. Earth-Science Reviews, 2004, 66(3/4): 261–330.

[12] von Hebel C, Rudolph S, Mester A, et al. Three-dimensional imaging of subsurface structural patterns using quantitative large-scale multiconfiguration electromagnetic induction data[J]. Water Resources Research, 2014, 50(3): 2732–2748.

[13] Reedy R C, Scanlon B R. Soil water content monitoring using electromagnetic induction[J]. Journal of Geotechnical and Geoenvironmental Engineering, 2003, 129(11): 1028–1039.

[14] Friedman S P. Soil properties influencing apparent electrical conductivity: A review[J]. Computers and Electronics in Agriculture, 2005, 46(1/2/3): 45–70.

[15] Saey T, de Smedt P, de Clercq W, et al. Identifying soil patterns at different spatial scales with a multi-receiver EMI sensor[J]. Soil Science Society of America Journal, 2013, 77(2): 382–390.

[16] Archie G E. The electrical resistivity log as an aid in determining some reservoir characteristics[J]. Transactions of the AIME, 1942, 146(1): 54–62.

[17] Zhou Q Y, Shimada J, Sato A. Three-dimensional spatial and temporal monitoring of soil water content using electrical resistivity tomography[J]. Water Resources Research, 2001, 37(2): 273–285.

[18] Carey A M, Paige G B, Carr B J, et al. Characterizing hydrological processes in a semi-arid rangeland watershed: A hydrogeophysical approach[J]. Hydrological Processes, 2018: hyp.13361.

[19] 岳寧, 董軍, 李玲, 等. 基于高密度電阻率成像法的隴中半干旱區土壤含水量監測研究[J]. 中國生態農業學報, 2016, 24(10): 1417–1427.

[20] 段旭, 王彥輝, 程積民. 寧夏固原云霧山天然草坡土壤電阻率和含水率的關系及其空間變異[J]. 農業工程學報, 2012, 28(7): 130–137.

[21] Celano G, Palese A M, Ciucci A, et al. Evaluation of soil water content in tilled and cover-cropped olive orchards by the geoelectrical technique[J]. Geoderma, 2011, 163(3/4): 163–170.

[22] 高君亮, 羅鳳敏, 馬迎賓, 等. 電阻率成像法監測人工梭梭林土壤水分[J]. 農業工程學報, 2018, 34(22): 92– 101.

[23] Topp G C, Davis J L, Annan A P. Electromagnetic determination of soil water content: Measurements in coaxial transmission lines[J]. Water Resources Research, 1980, 16(3): 574–582.

[24] Roth K, Schulin R, Flühler H, et al. Calibration of time domain reflectometry for water content measurement using a composite dielectric approach[J]. Water Resources Research, 1990, 26(10): 2267–2273.

[25] Herkelrath W N, Hamburg S P, Murphy F. Automatic, real-time monitoring of soil moisture in a remote field area with time domain reflectometry[J]. Water Resources Research, 1991, 27(5): 857–864.

[26] Robinson D A, Jones S B, Wraith J M, et al. A review of advances in dielectric and electrical conductivity measurement in soils using time domain reflectometry[J]. Vadose Zone Journal, 2003, 2(4): 444–475.

[27] Anbazhagan P, Bittelli M, Pallepati R R, et al. Comparison of soil water content estimation equations using ground penetrating radar[J]. Journal of Hydrology, 2020, 588: 125039.

[28] 朱安寧, 吉麗青, 張佳寶, 等. 基于探地雷達的土壤水分測定方法研究進展[J]. 中國生態農業學報, 2009, 17(5): 1039–1044.

[29] Grote K, Hubbard S, Rubin Y. Field-scale estimation of volumetric water content using ground-penetrating radar ground wave techniques[J]. Water Resources Research, 2003, 39(11): 1321.

[30] Schmelzbach C, Tronicke J, Dietrich P. High-resolution water content estimation from surface-based ground- penetrating radar reflection data by impedance inversion[J]. Water Resources Research, 2012, 48(8):W08505.

[31] Calamita G, Perrone A, Brocca L, et al. Field test of a multi-frequency electromagnetic induction sensor for soil moisture monitoring in southern Italy test sites[J]. Journal of Hydrology, 2015, 529: 316–329.

[32] Misra R K, Padhi J. Assessing field-scale soil water distribution with electromagnetic induction method[J]. Journal of Hydrology, 2014, 516: 200–209.

[33] Stewart R D, Najm M R A, Rupp D E, et al. Nondestructive quantification of macropore volume using shear-thinning fluid[J]. Soil Science Society of America Journal, 2014, 78(2): 445–453.

[34] Luo Z, Niu J, Xie B, et al. Influence of root distribution on preferential flow in deciduous and coniferous forest soils[J]. Forests, 2019,10(11).

[35] Robinson D A, Binley A, Crook N, et al. Advancing process-based watershed hydrological research using near-surface geophysics: A vision for, and review of, electrical and magnetic geophysical methods[J]. Hydrological Processes, 2008, 22(18): 3604–3635.

[36] Dietrich S, Weinzettel P A, Varni M. Infiltration and drainage analysis in a heterogeneous soil by electrical resistivity tomography[J]. Soil Science Society of America Journal, 2014, 78(4): 1153–1167.

[37] Yu Y, Klotzsche A, Weihermüller L, et al. Measuring vertical soil water content profiles by combining horizontal borehole and dispersive surface ground penetrating radar data[J]. Near Surface Geophysics, 2020, 18(3): 275–294.

[38] Peskett L, MacDonald A, Heal K, et al. The impact of across-slope forest strips on hillslope subsurface hydrological dynamics[J]. Journal of Hydrology, 2020, 581: 124427.

[39] Robinson D A, Lebron I, Kocar B, et al. Time-lapse geophysical imaging of soil moisture dynamics in tropical deltaic soils: An aid to interpreting hydrological and geochemical processes[J]. Water Resources Research, 2009, 45(4):W00D32.

[40] Zhao K Y, Xu Q, Liu F Z, et al. Field monitoring of preferential infiltration in loess using time-lapse electrical resistivity tomography[J]. Journal of Hydrology, 2020, 591: 125278.

[41] Kung K J S, Donohue S V. Improved solute-sampling protocol in a sandy vadose zone using ground-penetrating radar[J]. Soil Science Society of America Journal, 1991, 55(6): 1543–1545.

[42] Allroggen N, van Schaik N L M B, Tronicke J. 4D ground-penetrating radar during a plot scale dye tracer experiment[J]. Journal of Applied Geophysics, 2015, 118: 139–144.

[43] Di Prima S, Winiarski T, Angulo-Jaramillo R, et al. Detecting infiltrated water and preferential flow pathways through time-lapse ground-penetrating radar surveys[J]. Science of the Total Environment, 2020, 726: 138511.

[44] Vereecken H, Huisman J A, Bogena H, et al. On the value of soil moisture measurements in vadose zone hydrology: A review[J]. Water Resources Research, 2008, 44(4): W00D06.

[45] Rao S, Lesparre N, Flores-Orozco A, et al. Imaging plant responses to water deficit using electrical resistivity tomography[J]. Plant and Soil, 2020, 454(1/2): 261–281.

[46] Vanella D, Cassiani G, Busato L, et al. Use of small scale electrical resistivity tomography to identify soil-root interactions during deficit irrigation[J]. Journal of Hydrology, 2018, 556: 310–324.

[47] 劉成功, 賈小旭, 趙春雷, 邵明安. 黃土區坡地和壩地土壤電阻率分布特征及應用[J/OL].土壤學報:1–8[2021- 10-21].http://kns.cnki.net/kcms/detail/32.1119.P.20201013.0945.002.html.

[48] Liu X, Chen J, Butnor J R, et al. Noninvasive 2D and 3D mapping of root zone soil moisture through the detection of coarse roots with ground-penetrating radar[J]. Water Resources Research, 2020, 56(5):e2019wr026930.

[49] Brillante L, Bois B, Mathieu O, et al. Electrical imaging of soil water availability to grapevine: A benchmark experiment of several machine-learning techniques[J]. Precision Agriculture, 2016, 17(6): 637–658.

[50] Hedley C B, Roudier P, Yule I J, et al. Soil water status and water table depth modelling using electromagnetic surveys for precision irrigation scheduling[J]. Geoderma, 2013, 199: 22–29.

[51] Cimpoia?u M O, Kuras O, Pridmore T, et al. Potential of geoelectrical methods to monitor root zone processes and structure: A review[J]. Geoderma, 2020, 365: 114232.

[52] Fan B H, Liu X B, Zhu Q, et al. Exploring the interplay between infiltration dynamics and Critical Zone structures with multiscale geophysical imaging: A review[J]. Geoderma, 2020, 374: 114431.

[53] Guo L, Mount G J, Hudson S, et al. Pairing geophysical techniques improves understanding of the near-surface Critical Zone: Visualization of preferential routing of stemflow along coarse roots[J]. Geoderma, 2020, 357: 113953.

[54] van der Kruk J, Gueting N, Klotzsche A, et al. Quantitative multi-layer electromagnetic induction inversion and full-waveform inversion of crosshole ground penetrating radar data[J]. Journal of Earth Science, 2015, 26(6): 844–850.

[55] 馬東豪, 張佳寶, 吳忠東, 等. 電阻率成像法在土壤水文學研究中的應用及進展[J]. 土壤學報, 2014, 51(3): 439–447.

[56] Rossi M, Manoli G, Pasetto D, et al. Coupled inverse modeling of a controlled irrigation experiment using multiple hydro-geophysical data[J]. Advances in Water Resources, 2015, 82: 150–165.

[57] Wainwright H M, Chen J S, Sassen D S, et al. Bayesian hierarchical approach and geophysical data sets for estimation of reactive facies over plume scales[J]. Water Resources Research, 2014, 50(6): 4564–4584.

[58] Paz M C, Farzamian M, Paz A M, et al. Assessing soil salinity dynamics using time-lapse electromagnetic conductivity imaging[J]. SOIL, 2020, 6(2): 499–511.

Application and Prospect of Geophysical Methods in Study of Soil Hydrological Processes

LIU Chenggong1,2, JIA Xiaoxu1,2*, SHAO Ming’an1,2

(1 Key Laboratory of Ecosystem Network Observation and Modeling, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China; 2 College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100190, China)

Soil hydrological process is one of the most important parts of the water cycle. An accurate and effective measurement of soil moisture is the basis of the study of soil hydrological process. Compared with the traditional soil moisture monitoring methods (such as time domain reflectometry, cosmic-ray neutron sensing, remote sensing, etc.), the geophysical methods have the advantages of multi-scale and high precision monitoring without disturbing the soil. Therefore, the popularization of geophysical methods is of great significance to broaden the understanding of soil hydrological process and water cycle. Based on the introduction of the essential principles and characteristics of three commonly used geophysical methods (electrical resistivity tomography, ground penetrating radar, electromagnetic induction), this paper summarized the conversion methods between geophysical parameters and hydrological elements. In addition, this paper focused on enumerating the methods and related cases applied in the study of hydrological processes such as the monitoring of spatial distribution of soil moisture, water infiltration and redistribution and root water uptake. Then, in the last section, this paper discussed the opportunities and challenges faced by the application of geophysical methods in the research of soil hydrology in the future and pointed that the researchers should: 1) continuously clarify the relationship between geophysical elements and soil moisture characteristics to improve the accuracy of inversion; 2) comprehensively use a variety of geophysical methods for cross inversion; 3) couple geophysical models with hydrological process models to provide more reliable parameter estimation; 4) expand the application of geophysical methods in hydrological and ecosystem responses and biogeochemical cycles and other fields.

Soil moisture; Electrical resistivity tomography; Ground penetrating radar; Electromagnetic induction; Root water uptake

劉成功, 賈小旭, 邵明安. 地球物理方法在土壤水文過程研究中的應用與展望. 土壤, 2022, 54(1): 24–31.

S152.7

A

10.13758/j.cnki.tr.2022.01.004

國家自然科學基金項目(42022048)資助。

(jiaxx@igsnrr.ac.cn)

劉成功(1996— )，男，山東淄博人，博士研究生，主要從事土壤物理與生態水文研究。E-mail: liucg.19b@igsnrr.ac.cn