23、X射线CT数据在土壤建模中的集成应用

X射线CT数据在土壤建模中的集成应用

在土壤研究领域，X射线CT技术为我们深入了解土壤内部结构和物质分布提供了强大的工具。本文将详细探讨X射线CT数据在空气 - 水分布、固体有机物分布以及根系研究等方面的集成应用，以及基于图像的建模工作在土壤物理过程模拟中的应用。

1. 空气 - 水分布的X射线CT数据集成

在土壤的X射线CT图像中，水和有机物对X射线的衰减程度相近，这给区分这两种相态带来了困难。例如，在泥炭土中，区分水和有机基质依赖于泥炭与水的平衡时间，这会导致一些溶质融入泥炭周围的水中，从而模糊了相态之间的界限。若将饱和泥炭中的水替换为去离子水，则可以增强对比度，实现对这两种相态的区分。

为了清晰地成像土壤孔隙空间中空气和水相的空间分布，需要高质量的图像和能够清晰显示空气 - 水界面的分辨率。以下是一些可行的方法：
- 同步辐射X射线CT ：能够更轻松地测量土壤孔隙中空气和水相的空间分布。
- 使用重对比剂染色 ：如Li和Tang（2019）使用基于碘的对比介质来可视化玻璃珠和沙子中的水膜，但在黏土土壤中效果不佳。而且使用对比剂可能会导致土壤溶液中电解质浓度发生巨大变化，从而引起土壤强烈分散。
- 金纳米颗粒用于增强对比度 ：Scotson等人（2019）研究了金纳米颗粒在X射线CT对比度增强中的应用，由于金具有惰性，这可能为土壤生物过程研究提供了一个有前景的途径。

另外，中子成像可以更轻松地测量水的分布和运动。中子与氢等轻元素强烈相互作用，能够更好地区分土壤水分，但对土壤矿物质的表征较差。通过数据配准技术将X射线和中子CT图像结合起来，可以利用它们的互补性，实验性地获得固体、空气和水相的分布。具体操作步骤如下：
1. 通常需要对高分辨率的图像（通常是X射线CT）进行降分辨率处理，以匹配低分辨率的数据，例如可以使用Fiji/ImageJ软件来完成。
2. 尽管原则上可以解析整个土壤含水量范围，但准确性在很大程度上受到断层扫描方法可实现的空间和时间分辨率的影响。

目前，只有少数基于图像的模型直接集成了空气和水分布的X射线CT成像。大多数情况下，这些分布是通过排水和吸水算法计算得出的。这些算法根据孔隙大小和孔隙连通性，忽略粘性效应和重力，计算允许空气或水侵入孔隙网络的典型毛细压力头。以下是两种常见的计算方法：
- 基于形态模型和PNM的方法 ：在排水过程中，假设孔隙网络最初是充满水的，然后根据孔隙大小递减的顺序，对与网络入口相连或已被相邻孔隙侵入的孔隙进行排水。每个孔隙根据其大小和所经历的压力头，按照Young - Laplace方程评估是否会被空气侵入。
- 应用界面和毛细力的方法 ：在基于体素的LBM和有限元求解器（如商业软件COMSOL Multiphysics）中，通过对模拟流体应用界面（范德华力）和毛细力，在高流体密度和低流体密度区域之间产生相分离，分别对应水和空气。

数值方法在计算从X射线CT图像提取的孔隙空间几何形状中的水和空气分布方面取得了成功，而在复杂土壤样品中获取空气和水分布的X射线CT成像存在困难，这解释了这些方法被广泛采用的原因。例如，通过比较同步辐射X射线CT成像和使用LBM和形态学方法计算的空气 - 水界面，发现LBM方法的平均绝对误差为5%，形态学方法为18%，LBM方法的性能更为出色。

2. 固体有机物分布的X射线CT数据集成

水和固体有机物对X射线的相似衰减也阻碍了在X射线CT图像中对土壤有机物的成像。不过，大的有机物质碎片（颗粒有机物，POM）由于其可识别的形状，相对容易通过视觉识别。可以使用多模态分割工具正确分割POM，避免因部分体积效应导致大孔隙周围出现有机物的错误涂层。

然而，识别嵌入土壤基质中的小有机物仍然是一个挑战，需要采用有机物染色的方法。尽管文献中已有一些测量得到的X射线CT有机物分布信息，但这些信息尚未在建模研究中得到应用。目前，在分割后的X射线CT图像中，通常采用假设有机物放置场景的方法。

为了实现对有机物空间分布的真实3D X射线CT图像的集成，以Peth等人（2014）获得的土壤图像为例，具体操作步骤如下：
1. 图像预处理 ：对在同步加速器上以高于和低于锇对X射线吸收边缘的两个光子能量扫描得到的图像，使用3D中值滤波器进行降噪预处理，并通过非锐化掩模增强相态之间的对比度。
2. 图像相减 ：按照Peth等人（2014）的方法，将这两个图像相减，得到一个3D图像。其中，最高灰度级对应与大的有机物碎片（POM）相关的最高锇浓度，较低灰度级对应孔隙壁上的有机物涂层或土壤基质中小孔隙内的有机物。
3. 全局分割 ：使用Otsu和C - means分割算法初步选择三个阈值进行全局分割，得到一个多模态图像，从而区分出与不同锇浓度水平相关的三种类型的有机物。
4. 去除噪声 ：对分割后的图像应用多数滤波器，去除与分割步骤相关的噪声。
5. 信息整合 ：将有机物的结构信息与之前包含孔隙和固相信息的二值图像合并，得到一个多模态图像，该结构信息可直接集成到基于图像的模型中，例如Pot等人（2010）的格子 - 玻尔兹曼模型。

3. 根系的X射线CT数据集成

尽管根际相关研究近年来越来越受欢迎，但目前基于根际图像的建模方法仍然较少。这可能是由于根际过程和涉及的土壤相态复杂，以及在植物 - 土壤相互作用的结构成像中面临诸多挑战，如土壤相态的识别和通量成像的困难。

区分根系和其他土壤相态的工作正在逐渐开展，但仍然具有挑战性，部分体积效应等限制因素影响着区分的准确性。以下是一些相关的研究成果：
- 同步辐射X射线CT ：Keyes等人（2013）使用同步辐射X射线CT成功识别了根毛、土壤、孔隙空间和根表面区域。
- 中子成像 ：由于根系通常充满水，因此也可以使用中子来识别根系。例如，Zarebanadkouki等人（2012，2014）使用中子射线照相可视化氘化水的运输，并开发了一种重建根系内水流的方法。

重建图像的分割过程复杂，通常需要使用半自动方法。目前有一些开源的半自动工具可用于跟踪根系生长，如RooTrak（Mairhofer等人，2016）或Fiji/ImageJ插件Smart Root（Lobet等人，2011），以及商业工具WinRHIZO。

一旦根系结构信息被分割出来，就可以用于设置感兴趣的过程。目前研究最多的过程包括养分吸收（主要是磷）、饱和和非饱和条件下的水分吸收以及根系生长。与基于根系结构的方法不同，基于空间显式图像的方法利用根系结构信息来定义适合感兴趣过程的边界条件。以下是一些具体的例子：
- 养分吸收模拟 ：Keyes等人（2013）使用Michaelis - Menten养分吸收条件来模拟根系和根毛对磷的吸收。McKay Fletcher等人（2019）在所有活跃根系上假设了Michaelis - Menten养分吸收边界条件，并在根尖上添加了恒定的柠檬酸盐分泌速率，以研究有机酸增强的磷吸收。
- 水分吸收模拟 ：Daly等人（2018）假设水分吸收速率与通过根表皮的水的径向传导率以及根内部木质部压力与土壤水势之间的压力降成正比。白天采用的内部木质部压力为1 MPa，夜间为0 MPa。
- 根系生长模拟 ：目前根系（或根毛）生长研究使用时间相关的边界条件，常见的技术是假设给定的几何形状，并根据（测量的）生长速率激活适当的边界条件。

4. 基于图像的建模工作概述

在土壤物理过程的建模中，基于图像的建模工作发挥着重要作用。以饱和水条件下的土壤为例，土壤中传输的宏观性质取决于孔隙的三维组织和大小。将准确描述土壤孔隙及其连通性的X射线CT图像直接集成到传输模型中，为解释土壤水动力性质提供了独特的机会。

以下是基于图像的建模工作在饱和水条件下的具体应用：
- 计算三维水速度场 ：许多研究已经对土壤样品的X射线CT图像进行了数值计算，得到了三维水速度场。在进行基于图像的建模时，首先需要将图像分割成代表土壤孔隙和固相的二进制信息。
- 计算水力传导率和土壤水分特征曲线 ：通过数学上严格的流体流动计算的尺度提升，从微观尺度求解的Stokes方程推导出Darcy定律，基于代表性单元体积（REV）计算水力传导率和土壤水分特征曲线。同时，REV的土壤结构周期性也是必需的。然而，寻找能够代表土壤物理性质（如孔隙度和/或水力传导率）的图像大小的工作很少开展。
- 理解流动路径的形成 ：一些研究旨在理解复杂孔隙空间中流动路径的形成方式，以及宏观性质（如渗透率）如何从微观尺度计算的三维水速度场中产生。

在大多数研究中，分割图像的体素直接映射到网格节点，并使用以下方法计算复杂孔隙几何形状中的Stokes水流动：
- 格子 - 玻尔兹曼方法 ：如Menon等人（2011，2015）、Hyväluoma等人（2012）、Zhou等人（2018）、Pot等人（2020）、Zhang等人（2021b）等的研究。
- 有限元求解器 ：例如Daly等人（2015，2017）、Gerke等人（2018）、Gerke和Karsanina（2020）等的研究。
- 有限体积求解器 ：如Gackiewicz等人（2019）的研究。
- 其他方法 ：如Dal Ferro等人（2015）使用的平滑粒子流体动力学方法。

在计算流动时，需要在图像边缘应用周期性条件，并施加压力梯度或力场（重力）。达到稳态后，保存计算网格中每个节点的速度，即三维水速度场。可视化这些三维场可以揭示优先流动路径。例如，研究发现生物结皮中相似大小的孔隙对流动阻力的贡献并不相等，并且只有少数流动通道穿透表面结皮，结皮结构下方存在强烈的横向流动。

通过对三维流体速度场在感兴趣区域（ROI）上进行积分，可以计算渗透率（或饱和水力传导率）。基于图像的建模输出结果表明，大的传导孔隙在水流中起着重要作用，并且渗透率的变化不仅受孔隙大小和少数关键孔隙喉道的影响，孔隙大小分布、孔隙网络连通性和曲折度等因素也需要考虑。

此外，基于图像的模型的输出结果还与X射线CT导出的孔隙空间形态参数（如孔隙度、孔隙大小分布、连通性（欧拉数）、曲折度和渗透孔隙的临界直径）进行了比较。许多这些参数可以使用现有的开源免费图像分析软件（如Fiji/ImageJ、QuantIm）计算，但曲折度等参数的获取仍然较为复杂。通过研究这些形态参数与基于图像的模型输出之间的相关性，可以更好地理解土壤的物理性质和传输过程。例如，当生物结皮和重新包装的土壤团聚体受到压实作用时，流量的减少不仅与总孔隙度的降低有关，还与孔隙大小分布的改变有关。

在另一种间接方法中，首先分析X射线CT图像以获取上述形态参数，然后将这些参数用于宏观经验模型中，以预测土壤含水量、水力传导率和溶质扩散率。例如，经验性的Kozeny - Carman方程以及基于渗流理论和临界路径分析的其他关系，将饱和水力传导率与比表面积、曲折度和孔隙大小的特征长度相关联。研究表明，在Kozeny - Carman方程中，临界路径直径比平均水力半径是更好的参数。此外，一些图像分析软件中的包也可用于计算扩散过程，如QuantIm软件使用有限差分方法求解三维Fick扩散定律。

综上所述，X射线CT数据在土壤研究中的集成应用为我们深入理解土壤内部结构和物质分布提供了有力支持。通过将X射线CT数据与建模方法相结合，可以更准确地模拟土壤物理过程，为土壤科学的发展和农业生产等领域提供重要的理论依据和技术支持。未来，随着技术的不断进步，我们有望在土壤研究中取得更多的突破和进展。

X射线CT数据在土壤建模中的集成应用

5. 土壤物理过程建模的其他方面

除了饱和水条件下的建模，基于图像的建模工作在土壤物理过程的其他方面也有重要应用。例如，在不饱和水条件下，土壤中的水分和空气分布更加复杂，对土壤的物理性质和生物过程有着重要影响。

在不饱和水条件下，基于图像的建模工作主要集中在以下几个方面：
- 模拟水分和空气的分布 ：通过排水和吸水算法，结合孔隙大小和连通性等信息，模拟土壤中水分和空气的分布。这些算法考虑了毛细压力、重力和粘性效应等因素，以更准确地描述不饱和水条件下的水分运动。
- 研究水分的动态变化 ：一些研究关注土壤中水分的动态变化过程，如水分的入渗、蒸发和再分布等。通过基于图像的建模，可以模拟这些过程，并分析不同因素对水分动态变化的影响。
- 评估土壤的通气性 ：土壤的通气性对植物根系的生长和土壤微生物的活动至关重要。基于图像的建模可以评估土壤的通气性，通过模拟空气在土壤孔隙中的流动，分析孔隙结构和连通性对通气性的影响。

以下是一个简单的流程图，展示了不饱和水条件下基于图像的建模工作的一般流程：

graph LR
    A[获取X射线CT图像] --> B[图像分割]
    B --> C[提取孔隙结构信息]
    C --> D[选择排水和吸水算法]
    D --> E[模拟水分和空气分布]
    E --> F[分析水分动态变化]
    F --> G[评估土壤通气性]

6. 基于图像的建模工作的优势和挑战

基于图像的建模工作在土壤研究中具有许多优势，但也面临一些挑战。

6.1 优势

• 提供详细的结构信息 ：X射线CT图像可以提供土壤内部孔隙结构的详细信息，包括孔隙大小、形状、连通性等。这些信息对于理解土壤的物理性质和传输过程至关重要。
• 实现空间显式模拟 ：基于图像的建模方法可以实现空间显式的模拟，考虑土壤中不同位置的物理性质和过程的差异。这使得模拟结果更加准确地反映实际情况。
• 结合多尺度信息 ：可以将微观尺度的孔隙结构信息与宏观尺度的土壤性质相结合，实现多尺度的模拟。这有助于更好地理解土壤中不同尺度过程之间的相互作用。
• 验证和改进模型 ：通过将模拟结果与实验数据进行比较，可以验证和改进基于图像的模型。这有助于提高模型的准确性和可靠性。

6.2 挑战

• 图像分割的准确性 ：图像分割是基于图像的建模工作的关键步骤，但准确地分割土壤孔隙和固相仍然是一个挑战。部分体积效应、噪声等因素可能会影响分割的准确性。
• 计算资源的需求 ：基于图像的建模通常需要大量的计算资源，尤其是在处理高分辨率的X射线CT图像时。这可能限制了模型的应用范围和效率。
• 模型参数的确定 ：模型中的一些参数，如孔隙表面的接触角、粘性系数等，难以准确测量和确定。这些参数的不确定性可能会影响模拟结果的准确性。
• 复杂过程的模拟 ：土壤中存在许多复杂的物理和生物过程，如化学反应、生物活动等。将这些过程纳入基于图像的模型中仍然是一个挑战。

为了应对这些挑战，可以采取以下措施：
- 改进图像分割算法 ：不断改进图像分割算法，提高分割的准确性和可靠性。可以结合多种分割方法，利用机器学习等技术来优化分割结果。
- 优化计算方法 ：采用高效的计算方法和并行计算技术，减少计算时间和资源的需求。可以使用云计算等平台来提高计算能力。
- 实验测量和参数校准 ：通过实验测量来确定模型中的参数，并进行参数校准。可以采用敏感性分析等方法，评估参数不确定性对模拟结果的影响。
- 多学科合作 ：加强多学科的合作，将土壤学、物理学、化学、生物学等学科的知识相结合，更好地模拟土壤中的复杂过程。

7. 未来发展趋势

随着技术的不断进步和研究的深入，X射线CT数据在土壤建模中的集成应用将呈现以下发展趋势：
- 更高分辨率的图像 ：未来的X射线CT技术有望提供更高分辨率的图像，能够更清晰地显示土壤中微小孔隙和颗粒的结构。这将有助于更精确地模拟土壤中的物理过程。
- 多模态成像的结合 ：将X射线CT与其他成像技术（如中子成像、磁共振成像等）相结合，可以获取更全面的土壤信息。多模态成像的结合将为土壤研究提供更丰富的数据，提高模拟的准确性。
- 考虑更多的物理和生物过程 ：未来的模型将越来越多地考虑土壤中的物理和生物过程，如化学反应动态、生物活动对土壤结构的影响等。这将使模拟结果更加接近实际情况。
- 实时监测和动态模拟 ：发展实时监测技术，结合动态模拟方法，可以实时跟踪土壤中水分、养分等物质的变化过程。这将为农业生产和环境管理提供更及时的决策支持。
- 数据驱动的建模 ：利用大数据和机器学习等技术，从大量的实验数据和模拟结果中提取规律，建立数据驱动的模型。数据驱动的建模将提高模型的预测能力和适应性。

以下是一个表格，总结了未来发展趋势及其可能带来的影响：
| 发展趋势 | 可能带来的影响 |
| — | — |
| 更高分辨率的图像 | 更精确地模拟土壤物理过程，提高对微小孔隙和颗粒的研究能力 |
| 多模态成像的结合 | 获取更全面的土壤信息，提高模拟的准确性和可靠性 |
| 考虑更多的物理和生物过程 | 更真实地反映土壤中的实际情况，为农业和环境管理提供更科学的依据 |
| 实时监测和动态模拟 | 及时跟踪土壤变化，为决策提供实时支持 |
| 数据驱动的建模 | 提高模型的预测能力和适应性，更好地应对复杂的土壤系统 |

8. 结论

X射线CT数据在土壤建模中的集成应用为土壤科学的发展带来了新的机遇。通过将X射线CT数据与建模方法相结合，我们可以更深入地理解土壤内部的结构和物质分布，更准确地模拟土壤物理过程。尽管目前还面临一些挑战，但随着技术的不断进步和研究的深入，这些问题将逐步得到解决。

未来，我们可以期待在土壤研究中取得更多的突破和进展。X射线CT数据的集成应用将在农业生产、环境管理、生态保护等领域发挥越来越重要的作用，为实现可持续发展提供有力的支持。在实际应用中，我们需要不断探索和创新，结合多学科的知识和技术，推动土壤科学向更高水平发展。