Существует несколько основных подходов к определению педотрансферных функций (или типов ПТФ):
1. Метод физически обоснованной модели (расчет ОГХ на основании рассмотрения капилляриметрических моделей почвы);
2. Точечно-регрессионный метод (нахождение регрессионных зависимостей, связывающих равновесные значения «Р-θ» с основными почвенными свойствами);
3. Функционально-параметрический регрессионный метод (нахождение регрессионных зависимостей, связывающих параметры аппроксимации ОГХ с основными почвенными свойствами).
В основу физически обоснованных методов расчета ОГХ положены представления о капиллярном строении порового пространства, образуемого почвенными частицами различного размера (Arya & Paris, 1981; Haverkamp & Parlange, 1986). Форма и размеры почвенных частиц обуславливают способ упаковки, для которого существует определенная Геометрическая модель порового пространства. Процедура расчетов состоит из трех основных этапов: (1) вычисление распределения объема пор по размерам из распределения гранулометрических фракций; (2) предсказание содержания влаги из распределения объема пор по размерам (через сохранение массы); и (3), расчет матричных потенциалов из распределения объемов пор по размерам посредством капиллярного уравнения Ричардса.
Известно, что между диаметром частицы d и эквивалентным радиусом пор R существует линейная связь
с константой у, которая характеризует упаковку почвы. Это упрощение представляет функцию водоудерживания, как простое линейное преобразование из гранулометрического состава и справедливо только для песчаных почв с относительными однородными частицами. В дополнение к линейному преобразованию, используют эмпирическую связь, которая включает различные формы частиц в ПТФ и устанавливает нелинейную связь между распределениями частиц по размеру и распределением пор по объему.
Между средним радиусом пор ri и радиусом, образующих поры частиц Ri существует соотношение:
Число сферических частиц ni каждой фракции гранулометрического состава можно рассчитать по формуле:
Для перехода от гранулометрического состава к ОГХ необходимы зависимости, связывающие радиус пор с влажностью почвы и давлением влаги. Влажность почвы θi определяется суммированием влагосодержания пор меньшего радиуса:
где р - плотность воды, g - ускорение свободного падения, у - поверхностное натяжение жидкости, θs - влажность полного насыщения почвы или полная влагоемкость (ПВ).
Подстановка формулы (XI.2) в формулу Жюрена (XI.5) дает уравнение, связывающее величину давления влаги с гранулометрическим составом почвы:
Величина масштабного фактора α для почв разного гранулометрического состава может варьировать в широких пределах: от 1.26 для пылеватых суглинков до 2.10 для опесчаненных глинистых суглинков, и от 0.95 для пылеватых суглинков до 1.30 для глин. В оценочных расчетах значение масштабного фактора часто принимают равным α = 1.38.
Входными данными для метода физической модели служат: детализированное распределение по размеру частиц с любыми границами фракций и пористость. Алгоритм данного метода позволяет оценить только одну точку на кривой водоудерживания из каждой фракции, поэтому использование трех фракций в классификации FAO (глина, ил, и песок) значительно уменьшают эффективность метода.
Необходимо отметить, что, к сожалению, рассмотренный метод не всегда дает хорошие результаты по вполне понятным причинам: простые геометрические представления об упаковке частиц далеко не всегда применимы к почве с ее особенностями порового пространства, образованного агрегатами различного порядка, биопорами, трещинами и другими специфическими почвенными образованиями.
- Точечно-регрессионный метод
- Функционально-параметрический регрессионный метод (часть 1)
- Функционально-параметрический регрессионный метод (часть 2)
- Функционально-параметрический регрессионный метод (часть 3)
- Методы построения педотрансферных функций
- Регрессионный метод построения педотрансферных функций (часть 1)
- Регрессионный метод построения педотрансферных функций (часть 2)
- Регрессионный метод построения педотрансферных функций (часть 3)
- Метод искусственных нейронных сетей (часть 1)
- Метод искусственных нейронных сетей (часть 2)