利用CT数字图像和网络模型预测近饱和土壤水力学性质

在近饱和状态下,土壤的有效水力学性质主要取决于较大孔隙的结构特征,而这又决定了土壤中的优势流通道以及溶质的运移。基于孔隙形态学特征的网络模型可以很好的表现出较大孔隙的几何形态与拓扑特征对有效水力学性质的影响。本文通过对连续土壤切片CT图像的分析,定量获取了土壤孔隙的大小分布以及连通性参数。在此基础上建立了相关网络模型,在孔隙尺度上模拟了土壤中的水分运动过程并预测了近饱和土壤水力学性质。实验结果表明,虽然随机网络模型对室内填装土样本水力学性质的预测结果要优于相关网络模型,但是结合了实测孔隙形态特征的相关网络模型能够表现出田间原状土样本的双重孔隙度结构,其预测结果更符合实际的土壤结构特征。     

基于CT扫描的煤矿排土场土壤孔隙三维多重分形特征

土壤孔隙对水分、养分的运移起着重要作用,重构土壤孔隙状况反映着复垦土壤质量的高低。本研究基于Math Works Matlab(2009a)平台,在对土壤孔隙CT扫描图片三维重建的基础上,运用多重分形理论对安太堡露天煤矿不同复垦年限排土场重构土壤(23年、20年、0年)以及原地貌土壤进行三维多重分形定量表征,以探讨重构土壤孔隙空间分布规律。结果表明:重构土壤孔隙三维结构具有多重分形特征,信息熵维D1、广义维数谱曲线弯曲程度△D、多重分形谱谱宽△α随着复垦年限逐渐增大,土壤孔隙状况得到改善,土壤孔隙分布越趋于复杂,变异程度较高;重构土壤及原地貌土壤孔隙三维分布多重分形谱函数△f0,呈左钩状,大概率孔隙占主要地位,孔隙分布不均匀。多重分形参数D1、D0-D1、△D、△α、△f间具有较好的相关性,从不同角度上反映了土壤孔隙三维分布的非均质性。     

基于BP神经网络的土壤水力学参数预测

为了获取区域土壤水分和溶质运移模拟所需的土壤水力学参数,利用黄淮海平原曲周县的试验资料建立基于BP神经网络的土壤转换函数模型。本文采用土壤粒径分布、容重、有机质含量等土壤基本理化性质,来预测土壤饱和导水率Ks、饱和含水量sθ、残余含水量θr、以及van Genuchten公式参数α、n的对数形式ln(α)和ln(n),并与多元线性逐步回归方法进行比较。t检验结果表明,BP神经网络训练和预测得到的模拟值与实测值之间吻合很好,该方法具有较高的预测精度。通过对平均相对误差的比较,得出在粒径分布的基础上增加容重、有机质含量等输入项目,可以提高部分土壤水力学参数的预测精度,而有些参数的预测精度反而降低。以误差平方和为标准的比较结果表明,BP神经网络模型的预测效果总的来看要优于多元线性回归法。     

土壤中裂隙与其它类型孔隙结构差异的图像比较

裂隙是孔隙的一类。文章利用土壤切片的数字图像，采用目视分离的方法，比较研究了裂隙与其它类型的孔隙在结构上的差异。选择的土样研究结果表明，目视分离裂隙的方法是可行的，土体中的裂隙直径分布曲线是不规则的，而其它类型的孔隙直径分布曲线则类似对数正态分布；土壤总孔隙中直径较大的部分主要由裂隙构成，直径较小的部分则由其它类型孔隙和裂隙共同构成；土壤表面裂隙与土体内部裂隙在结构上可能具有一定差异。     

基于支持向量机的土壤水力学参数预测

为了分析支持向量机在土壤水力学参数预测方面的效果,应用支持向量机构建用于预测土壤水力学参数的土壤传递函数,以土壤粒径分布、容重、有机质含量等土壤理化性质为输入项,分别预测土壤饱和导水率、饱和含水率、残余含水率,以及van Genuchten公式参数的对数形式。结果表明预测值和实测值不存在显著性差异,用支持向量机预测土壤水力学参数是可行的。不同输入项处理的预测分析表明,输入项为粒径分布、粒径分布和容重、粒径分布和有机质含量3种情况的预测效果差异不明显,而输入项为粒径分布、容重和有机质含量时预测效果优于前3种情况。支持向量机在预测土壤水力学参数方面的效果要优于多元线性逐步回归模型,而与BP神经网络模型相比不具有明显好的预测效果。     

基于CT扫描的斜坡非饱和带土体大孔隙定量化研究和三维重建

[目的]系统开展植被发育斜坡非饱和带土体中大孔隙定量化和三维重建技术研究,为水分沿大孔隙迅速运移研究提供可靠理论依据,对于降雨型滑坡研究具有基础性意义。[方法]采用CT技术对云南省昭通市盘河乡头寨滑坡滑源区左侧斜坡区两个尺寸为25cm×25cm×50cm的大尺度土柱进行扫描,得到一系列平面和纵向CT切片图像。图像处理并计算得到了土柱中大孔隙随深度的变化情况以及3种物质(砾石、土体基质和大孔隙)的CT值范围;借助VolView 3.4体可视化交互系统实现了三维大孔隙通道系统的重组,研究其在空间内的连通性、分支性和复杂性。[结果]包括根系通道、动物通道、干缩裂缝及团聚体间的结构性孔隙广泛发育于非饱和带土体中,且大孔隙分布异质性明显,波动变异较大,随着深度的增加大孔隙呈逐渐减小的趋势。三维重组清晰可见土柱内含有较多独立分布的大孔隙通道,它们具有较好的连通性。[结论]CT扫描技术作为非破坏性获得技术在斜坡非饱和土体大孔隙定量化和三维重建研究中应用是可行的。     

氨化秸秆还田对土壤孔隙结构的影响

【目的】土壤孔隙性质是土壤结构性的反映,直接影响着土壤的肥力和水分有效性。定量研究氨化秸秆还田对土壤不同大小等级孔隙数量和孔隙分布的影响,可以为土壤培肥提供科学依据。【方法】采用室内试验方法,设置氨化秸秆加入量为土壤总质量的 0(CK)、 0.384%(S1)、 0.575%(S2)、 0.767%(S3)4个处理,室内培养。在培养0、60、120和180 d,取样测定土壤水分特征曲线(SWRC)数据,利用双指数土壤水分特征曲线模型(DE模型,Double-exponential water retention equation),分析氨化秸秆对土壤剩余孔隙、基质孔隙和结构孔隙的影响; 基于DE模型的微分函数,探究不同氨化秸秆处理对土壤孔隙分布的影响。【结果】不同处理的土壤水分特征曲线SWRC实测值和DE模型模拟值之间的均方根误差介于0.0036和0.0041 cm3/cm3之间,R2介于0.998和0.999之间,土壤含水量模拟值和实测值非常接近1 ∶1,表明DE模型可以准确反映添加氨化秸秆后土壤含水量随吸力的变化规律,较准确地估算土壤不同大小等级孔隙数量变化。培养120 d内,氨化秸秆对土壤剩余孔隙、基质孔隙和结构孔隙影响不显著; 培养180 d时,各处理土壤结构孔隙度表现出随着氨化秸秆添加量的增加而增加的趋势; 此时S3对土壤剩余孔隙影响不显著,显著减小了土壤的基质孔隙度(P0.05),极显著地增加了土壤的结构孔隙度(P 0.01)。在孔隙分布中,氨化秸秆促进了土壤已有孔隙向较大孔隙的发育,显著增加了土壤结构孔隙分布数量; 随着氨化秸秆添加量的增加,土壤结构孔隙的分布数量越大,且峰值出现的越早。氨化秸秆增加了土壤中有机质含量; 土壤结构孔隙和总孔隙均与有机质含量呈显著的正相关关系(P 0.05); 有机质可以黏结团聚土壤的矿物颗粒,有效地促进了土壤结构孔隙的发育; 氨化秸秆对土壤孔隙的影响随着时间的进行越来越明显。【结论】氨化秸秆增加了土壤中有机质含量,促进了土壤孔隙结构的发育,增加了土壤的结构孔隙度和总孔隙度,这对改良和培肥土壤、改善土壤耕性具有重要意义。     

基于CT的青海湖流域芨芨草草地土壤大孔隙特征分析

为探究青海湖流域芨芨草草地的土壤大孔隙特征,以青海湖流域芨芨草草地为研究对象,在研究区芨芨草斑块处和芨芨草斑块间分别采集原状土柱,每块样地选取3个重复样品,通过对样品进行CT扫描并利用Fiji软件解译的方法分析土壤孔隙的结构特征差异。结果表明:芨芨草斑块土壤平均大孔隙数量、不同深度大孔隙数量、平均大孔隙度以及不同深度大孔隙度均大于芨芨草斑块间土壤。芨芨草斑块土壤大孔隙平均数量是芨芨草斑块之间的2.8倍,平均大孔隙度是芨芨草斑块间的12.1倍,芨芨草斑块的土壤大孔隙度随土壤深度增加呈先增加后减少的趋势,斑块间的大孔隙度呈递减趋势。     

基于土壤导气率的燥红土孔隙结构及弯曲连通性研究

土壤气体传输高度依赖土壤孔隙结构,导气率的获取简单、快速、高效,且对土壤结构破坏小,利用PL-300土壤空气传导性测量系统分别对不同含水率、不同容重条件下的原状土与扰动土进行导气率测量,展开针对土壤孔隙结构与弯曲连通性的讨论。结果表明:(1)原状土样本孔隙弯曲连通性随气相饱和度增加而增加的程度较扰动土样本显著,两者相对导气率与饱和度的关系曲线变化走势差异不大,表明即便饱和度一样的条件下,孔隙弯曲连通程度仍然不同;(2)原状土导气率依赖于大孔隙的存在,扰动土导气率不仅依赖于孔隙连通的程度,还取决于孔隙弯曲程度。基于土壤导气率对土壤孔隙结构及弯曲连通性的讨论,在建立气体传输模型时应考虑孔隙尺寸分布对导气率的影响,就原状土与扰动土不同的弯曲连通系数加以区分与讨论,为进一步揭示土壤气体传输的内在机制提供参考。     

土壤孔隙结构定量化研究进展

土壤孔隙结构是土壤结构的重要方面,土壤大孔隙引起的优先流和溶质优先迁移与地下水污染、养分流失和灌溉水浪费都有着密切的关系;对土壤孔隙结构的研究具有重要的实践意义和指导作用。本文在综合国内外研究文献的基础上,对前人研究进行系统总结,介绍土壤孔隙结构的获取手段、孔隙结构的表征和模拟方法,并且对今后土壤孔隙结构研究的热点进行了展望,以期为今后进行土壤孔隙结构建模的深入研究提供帮助。     

基于核磁共振技术的孔隙水形态及土壤渗透性分析

干湿循环过程会影响土壤孔隙水储存形态,导致土壤渗透性增大、养分流失。该文基于核磁共振技术,探究不同含水率和经历0~4次干湿循环后土壤孔隙水储存形态的变化规律,研究干湿循环对土壤渗透性的影响。结果表明:依据"饱和-吸力"联测方法可将孔隙水分为束缚水和可动水,二者的横向弛豫时间(T2)阈值为1.96 ms。土壤湿润过程中,孔隙水主要以可动水的形态存在;土壤含水率较低时,束缚水(T2<1.96 ms)和可动水(T2≥1.96 ms)占比接近;当含水率超过13%时,可动水的含量迅速增大,而束缚水量增加较少。经历多次干湿循环后,土壤束缚水含量几乎不变,而可动水含量随着循环次数增加而线性增加;将干湿循环作用引入Coope渗透率模型可知,0~4次循环内,土壤渗透率与循环次数的6次方成正比;干湿循环作用会显著增加农田土渗透性、降低土壤肥力。研究可为农田土水分、肥力保持方案的制定提供理论支持。     

A neighborhood median weighted fuzzy c-means method for soil pore identification

Complex soil pore geometry and heterogeneity determines the ability of a soil to retain moisture and conduction. These soil properties are widely recognized as key factors of essential ecological functions and services. However, until recently, the existing pore identification methods have the problems of low identification accuracy and operating efficiency, which has restricted the development of soil science. The objective of this study was to propose a neighborhood median weighted fuzzy c-means method based on grayscale-gradient feature (NMFCM-G) to identify soil pore structure automatically and accurately. By combining three-dimensional (3D) printing technology with X-ray computed tomography technology, a 3D simulation model with known aperture (10-cm inner diameter) was adopted to evaluate the pore identification error rate of the NMFCM-G method quantitatively. Compared to the methods commonly applied in previous studies, the NMFCM-G method had the smallest average area relative error (2.98%), which was only 1/6 of that of the Image J method with the largest area relative error (18.46%). The NMFCM-G method also had the smallest average perimeter (5.46%), about 3/5 of that of the Image-Pro Plus method with the largest perimeter relative error (8.35%). Meanwhile, the NMFCM-G method was successfully tested on undisturbed cylindrical soil samples, providing encouraging results in terms of identifying irregular pore structure from the complex hierarchical organization of soil. The results show that the NMFCM-G method had the smallest distribution entropy (0.81), the smallest inter-class correlation (0.164 0), and the largest distribution coefficient (0.11), which proves that the NMFCM-G method performed the best in identifying different soil pore structures. Overall, the NMFCM-G method provides new insights into identifying pore structures and thus could provide an automatic and high-efficiency technique for studying the effects of tillage and freeze-thaw cycles on pore structure and soil quality in the future.     

水泥固化砒砂岩强度与孔隙结构演变的灰熵关联分析

为了研究水泥固化砒砂岩孔隙结构生长发育的演变规律以及其对抗压强度的影响,通过孔隙特征参数和孔隙半径预测抗压强度,对不同养护龄期下不同掺量的水泥固化砒砂岩宏观力学性能和微观结构进行测试和分析,采用灰关联熵探讨了水泥固化砒砂岩的孔隙特征参数和孔隙半径对强度的关联程度,并建立孔隙结构与抗压强度的灰色预测模型。结果表明,水泥固化砒砂岩的横向弛豫时间T2谱均呈现\     

基于全卷积网络的土壤断层扫描图像中孔隙分割

针对土壤断层扫描图像中存在部分容积效应及因孔隙成分复杂、结构不规则等引起的分割精度低的问题,该文提出一种全卷积网络(fully convolutional network,FCN)土壤孔隙分割方法,为土壤科学研究提供技术支持。该文以黑土土壤断层扫描图像为研究对象,通过卷积和池化运算输出不同尺度的孔隙特征图;将孔隙的深层特征和浅层特征相融合,采用上采样算子对融合特征进行插值操作,从而输出孔隙的二值图。与大津法、分水岭法、区域生长法和模糊C均值聚类法(Fuzzy C-means,FCM)4种常用孔隙分割方法的对比结果表明,FCN法在低,中,高3种孔隙密度的土壤图像中优于其他4种方法。FCN法的平均分割正确率为98.1%,比4种常用方法分别高25.6%,48.3%,55.7%和9.5%;FCN法的平均过分割率和欠分割率分别为2.2%和1.3%,仅为次优方法(FCM法)的33.8%和23.6%。通过融合土壤孔隙结构的多重特征,FCN法能够实现土壤孔隙整体和局部信息的精准判断,为土壤学的研究提供了一种更加智能化的技术手段。     

基于遗传算法的土壤水分运动参数识别

土壤水分运动参数的识别是研究土壤水分运动的基础。该文以反映土壤含水率实测值和计算值吻合程度的均方差最小为优化目标,以土壤导水率和扩散率经验参数上下限为约束条件,建立了土壤水分运动参数识别的优化计算模型。采用遗传算法和田间均质土壤一维非饱和运动数值计算相结合的方法,获得土壤导水率和扩散率经验参数最优值。经验证计算,土壤含水率实测值和计算值吻合程度较高,表明这一方法是可行的。     

基于序列信息的土壤CT图像超分辨率重建

受部分容积效应影响,土壤计算机断层扫描（Computed Tomography,CT）图像存在孔隙边界模糊现象,影响土壤孔隙结构研究的准确性。针对该问题,该研究提出基于序列信息的生成式对抗网络（Sequence information Generative Adversarial Network,SeqGAN）,实现土壤CT图像的超分辨率重建。针对土壤CT序列图像具有较高相似性的特点,SeqGAN法引入序列卷积块挖掘前后图像的序列信息,并将多重特征增强融合于目标图像中;利用多层残差块提取图像特征,构建残差块输入和输出的直接连接,以减少模型退化;利用对抗网络实现损失间接反馈,提高模型的特征学习能力。在序列相似性较高的土壤图像数据集验证了该方法性能。结果表明,SeqGAN法均方误差比次优方法GAN降低25%,峰值信噪比提升1.4 dB,结构相似性提升0.2%。重建的土壤图像具有较高准确率和清晰度,可为后续土壤物理学研究提供准确的数据基础。