趙 原，李曉鵬，紀景純，3，鄒曉娟，宣可凡，3，王偉鵬，劉建立②

（1.山西大學環(huán)境與資源學院，山西 太原 030006；2.中國科學院南京土壤研究所，江蘇 南京 210008；3.中國科學院大學，北京 100049）

土壤水是環(huán)境地質水循環(huán)中的重要源和匯，參與巖石圈-生物圈-大氣圈-水圈的水分大循環(huán)，并且對調節(jié)大氣降水和環(huán)境水循環(huán)有重要作用［1］?？焖?、準確地測定土壤含水量，對農業(yè)、環(huán)境、水文、氣象、生態(tài)等多個學科和領域的研究都具有重要意義［2-5］。

目前，土壤水監(jiān)測以點尺度（單次取樣/測量的范圍通常在1 m2以內）和遙感大尺度方法（研究單元通常超過100 m2）為主。點測量法包括烘干稱重法、介電法（時域反射法、頻域反射法）、中子法和張力計法等［6-9］。大范圍的土壤水測量主要依靠遙感手段。具體技術方法包括熱慣量法、微波技術遙感法和植被指數法等［10-12］。

實際上，土壤水監(jiān)測在點尺度和遙感方法之間存在尺度上的空缺。在農業(yè)、環(huán)境、水文、氣象、生態(tài)等領域關注的田塊、景觀和微小流域等尺度上，點尺度和遙感監(jiān)測技術的應用均存在問題。當點測量法應用于更大尺度時，通常需要進行分布式野外采樣或者布設傳感器網絡，然后再利用空間插值等方式將數據擴展到所需空間尺度［13-14］。這也是目前區(qū)域土壤含水量數據來源的最主要方式。然而，尺度擴展會增加結果的不確定性，而采樣點和傳感器布置不合理也會造成宏觀誤差［15-16］；此外，大量采樣對勞動力的需求和設備成本也限制了其監(jiān)測密度。在大尺度上，衛(wèi)星和載人航空等高空遙感測量方法雖然具有覆蓋范圍廣、非接觸和非破壞性等優(yōu)點，但將高空遙感應用于土壤水分監(jiān)測時仍存在一些問題：（1）空間分辨率較低（高分衛(wèi)星遙感的地面分辨率通常也只大于10 m），難以完全反映土壤水的空間變異性［17］；（2）結果易受植被、土壤等環(huán)境因素以及建模方法影響而形成系統(tǒng)偏差，難以準確估算宏觀水量，而實測數據校驗又費時費力［18］；（3）時間靈活性差，難以按照研究需求進行靈活回訪和數據采集；（4）應用成本高，無論是高分辨率衛(wèi)星遙感影像還是載人飛行遙感影像價格都非常昂貴［11］。因此，需要發(fā)展新的土壤水監(jiān)測技術，既能在小范圍內精確測量土壤含水量，又能銜接高空遙感等更大尺度的監(jiān)測方法，以填補點尺度和大尺度之間數十米至幾千米范圍的中小尺度研究空缺。

宇宙射線中子法（cosmic ray neutron probe，CRNP）是近年來出現的一種土壤水監(jiān)測新技術。該技術是一種通過監(jiān)測近地表宇宙射線中子流變化來預測土壤含水量的方法，其突出特點在于百米尺度的監(jiān)測范圍，填補了點測量法和遙感監(jiān)測方法之間的尺度空缺，且具有監(jiān)測頻率高、自動化測量、無損觀察和準確性高等優(yōu)點［19-20］?；谶@些特點，CRNP已經備受人們關注，是一種極具前景的土壤水分監(jiān)測技術。筆者綜述了國內外對CRNP的研究現狀，介紹了其測量原理、空間尺度代表性、影響因素和應用現狀等方面內容，以期為后續(xù)的相關研究提供幫助。

蔡雅靜等［21］對典型荒漠草原區(qū)域土壤含水量進行連續(xù)監(jiān)測，發(fā)現CRNP對降雨事件的反應有很高的靈敏度和精確度。ZHU等［22］在青藏高原北部分別采用烘干法和CRNP測量土壤水分，并對結果進行分析比較，其均方根誤差（RMSE）達到0.011 m3·m-3，納什效率系數（Nash-Sutcliffe efficiency coefficient，NSE）為0.989，擬合程度高。K?DZIOR等［23］利用triple-collocation（TC）方法，對CRNP原位中子測量、下游數據處理中心（Centre Aval de Traitement des Données，CATDS）土壤水分海洋鹽度（SMOS）衛(wèi)星微波觀測和全球土地資料同化系統(tǒng)（GLDAS）模擬數據中的3個表層土壤水分數據集進行比較研究，結果表明CRNP測量對于低分辨率衛(wèi)星土壤濕度觀測值和模擬值的驗證特別有用。NGUYEN等［24］分別采用線性加權方法和非線性加權方法對頻域反射儀（FDR）和CRNP測得的土壤含水量進行校準，結果表明，在高度非均勻性區(qū)域，CRNP數據更具有代表性。

1 基本原理

CRNP的工作原理主要根據地表以上宇宙射線快中子強度與土壤含水量呈反比關系的原理，利用架設在地表上方的中子探頭測量宇宙射線快中子強度，從而反演出土壤含水量［25-26］。

外太空（主要為銀河系）中的高能粒子流，即初級宇宙射線，在地球磁場的作用下進入大氣層，與大氣層中的氮、氧等碰撞，產生二次粒子，即次級宇宙射線，進入土壤。這些次級宇宙射線可以分為3類：（1）高能中子，能量約為GeV，由主質子和較重的原子將大氣中的原子核分裂成含有中子的粒子而形成；（2）快中子，能量約為1 MeV，由高能中子與原核子進行碰撞而產生，此過程也被稱為“核蒸發(fā)”；（3）通過快中子與原子核碰撞而產生的低能熱（0.025 eV）中子和超熱（＞0.5 eV）中子中的一部分會被土壤所吸收。因此，進入土壤中的快中子，一部分最終會變?yōu)闊嶂凶颖煌寥浪?，另一部分則會擴散到近地表中［24，27-28］。

近地表的氫元素在上述次級宇宙射線能量衰減變?yōu)闊嶂凶拥倪^程中起決定性作用［20］，而近地表最大的氫庫通常即為土壤水。土壤含水量越高，氫原子量就越多，快中子慢化速度也就越快，近地表所能檢測到的快中子就越少。因此，擴散到近地表的快中子量與土壤含水量（氫原子）呈顯著負相關關系［25］，CRNP就是一個利用這種相關關系，通過中子探測器檢測近地表的中子數（主要為快中子）進行土壤水分觀測的系統(tǒng)［29］。

2 空間尺度代表性

2.1 監(jiān)測范圍及貢獻率

CRNP測量的是傳感器周圍某一范圍內土壤含水量的加權均值，通常定義為86%快中子來源的貢獻區(qū)域，其大小為以CRNP探測器為軸心、水平方向半徑數百米、土壤中垂向距離數十厘米的區(qū)域，這個監(jiān)測范圍被稱為支持容量［19，27-28，30-32］。同時，對測量數據的解譯，需要確定傳感器周圍三維空間內的探測范圍對測量結果的貢獻率，即空間權重。

在早期研究中，人們認為CRNP測量的支持容量為圓柱體，并且通過蒙特卡羅中子傳輸（Monte Carlo N-Particle eXtended，MCNPX）的模擬［33］結果得到其測量范圍的半徑為300～500 m，測量深度在飽和土中為12 cm，在干燥土中為70 cm，測量結果即為支持容量內土壤水的算術平均值［26］。后來人們逐漸認識到，CRNP測量的支持容量是以傳感器為軸心的扁平的陀螺型或漏斗型。K?HLI等［31］通過MCNPX模型模擬證明支持容量在地表的足跡半徑范圍為130～240 m，其中，在干燥裸土條件下，海平面高度的徑向足跡半徑為240 m；有效測量深度同時為土壤含水量和到傳感器水平距離的函數，范圍為15～83 cm。實際條件下，受土壤水、大氣水和植被的影響，該半徑可減少40%；而相反地，該半徑隨氣壓每降低15 kPa而增加1%。

人們對空間權重因子的認識也是逐漸由等權重轉變?yōu)榭臻g分布權重。ZWECK等［34］和FRANZ等［35］發(fā)現與等權重相比，基于深度/距傳感器水平距離的非線性和線性垂向/徑向權重因子的驗證結果與實測結果更加吻合。BAATZ等［36］和K?HLI等［31］均從理論上進一步闡述了CRNP的測量范圍，更加明確了不同徑向和垂向距離土壤水對CRNP結果的權重：（1）土壤水分點測量結果的垂直權重隨深度增大而減小，水平權重隨徑向距離增大而減??；（2）靠近傳感器數米至十米內土壤對結果的影響最大，超過一半的中子強度來自于半徑50 m之內。

根據K?HLI等［31］的研究，在土壤含水量不小于0.02 cm3·cm-3的土壤中，徑向距離上的加權平均值分為4個指數部分來計算：

式（1）中，Wr為徑向距離信號強度；r為取樣點距CRNP傳感器距離，m；Fi值可參見文獻［31］附錄A。

在土壤含水量≥0.10 cm3·cm-3土壤中，CRNP 測量深度指數下降，且與測量距離有關，具體公式為

式（2）中，Wd為深度加權函數，與距離r有關；d為土壤深度，cm，d≤Z；Z為CRNP測量深度，cm。

2.2 含水量測量方法

在測量含水量時，由于外部氫庫會對測量結果產生影響，所以要對CRNP測得的原始快中子數進行修正?？熘凶訑到涍^修正后，與土壤含水量之間存在非線性關系?？梢酝ㄟ^N0參數、COSMIC（cosmic ray soil moisture interaction code）算子和氫摩爾分數（hydrogen molar fraction，Hmf）3種轉換方法將宇宙射線中子數據轉換為土壤含水量［29，37-38］。

2.2.1 N0參數法

N0參數法計算公式為

式（3）中，θv為土壤體積含水量，cm3·cm-3；ρb為土壤容重，g·cm-3；ρw為水密度，g·cm-3；N為修正后的快中子數；N0為干燥條件下的快中子數，可以通過田間試驗進行標定［29］；a0=0.080 8，a1=0.372，a2=0.115，皆為常數，為半經驗參數，且此系列可根據研究區(qū)實測數據進行重新標定，以提高測量精度［39］。

N0參數法是目前研究中應用最普遍的方法，其中的關鍵點是如何求得和校正N0，在早期研究中，會選擇在CRNP測量范圍內選取適當的點采集土壤樣品，計算所有土壤樣品的平均含水量，再利用式（3）反推出N0。但是，隨著研究的深入，人們發(fā)現單純地利用等權重的方法所求得的N0值并不是最優(yōu)結果。根據K?HLI等［31］的研究結果，可以分別利用式（1）～（2）求得徑向和垂向權重，繼而根據空間權重反推出N0。

2.2.2 COSMIC算子法

COSMIC算子法是根據快中子的形成過程來計算的，具體公式為

式（4）中，A（Z）為深度為Z的快中子的平均衰減函數；β為所探測的快中子區(qū)域與探測器垂直線之間的角度；ms（Z）和mw（Z）分別為不同深度之間干土和水的單位面積積分，g·cm-2；L3和 L4分別為高能中子與土壤和土壤含水量（包括晶格水）相互作用的長度衰減常數，g·cm-2。

測量點到達CRNP探測器的快中子數量為

式（5）中，NCRNP為測量點到達CRNP探測器的快中子數量；α為一個假設因子，是由土壤產生快中子的相對效率和水產生快中子的效率所決定的；L1和L2分別為高能中子與土壤和氫相互作用的長度衰減常數，g·cm-2。

得到NCRNP后，再利用數據同化法結合COSMIC算子、MCNPX模擬和土壤傳感器數據進行計算，得到最終所需的土壤含水量。

2.2.3 氫摩爾分數法

氫摩爾分數（Hmf，Hmf）法是基于氫與簡化的環(huán)境物質分子摩爾比的一種方法，計算公式為

式（6）中，ΣH為CRNP探測支持范圍內的氫分子摩爾數；ΣA為對環(huán)境物質進行簡化后的分子摩爾數，包含空氣、干土、土壤有機質和植被等，分別被簡化為NO、SiO2、C、木質素（C6H12O5）和水。由此可見，該方法對植被的影響因素做了單獨考慮。Hmf與CRNP數據間存在指數關系：

式（7）中，Ns為飽和中子計數［37］。Hmf與土壤含水量之間存在非線性關系，FRANZ等［37］通過MCNPX模擬中子通量與氫摩爾分數的關系，對土壤含水量進行一個合理的估算。該方法的特點在于便于整合已有數據，進行數據同化。CRNP對土壤含水量監(jiān)測精度較高。根據不同地區(qū)試驗結果，校正后CRNP對土壤水的測量誤差普遍在±0.03 m3·m-3以內［24，30，40-41］。

3 影響因素分析

由于土壤水并非近地表唯一的氫庫，因此，CRNP測量的中子強度不僅會受到土壤含水量的影響，近地表附近來源于大氣、土壤、植被等其他部分的氫庫（包括大氣水汽、地表積雪、徑流水、土壤晶格水、土壤有機物以及植被體內水分等）也會影響其測量結果。當這些因素對中子強度的影響與土壤水接近時，應該考慮這些額外的氫庫。

3.1 大氣因素

大氣對CRNP的影響主要為氣壓和水汽2個方面。氣壓會同時對CRNP的測量半徑和中子數計數產生影響。其中，測量半徑與氣壓呈線性關系［29］。在海拔高度較高的地區(qū)，氣壓低，測量范圍會比海拔高度較低的地區(qū)大，在海拔高度為3 000 m的地區(qū)，測量范圍會比海拔為0 m的地區(qū)大25%左右［28］。測量半徑（Rs，m）與氣壓的關系式可表示為［30-31，42］：

式（8）中，Rs，0為 ps，0條件下的測量半徑，通常使用一個標準大氣壓條件下的半徑，為300 m［42］；ps為當前氣壓，kPa；Rs為 ps條件下的半徑，m；ps，0為參考氣壓，通常為一個標準大氣壓，kPa。

同時，隨著時間的變化，大氣氣壓會對中子濃度產生影響，繼而影響CRNP的中子計數率，因此需要對氣壓進行校正，其修正系數［43］為

式（9）中，fp為氣壓修正系數；L為高能中子的質量衰減長度，g·cm-2，受緯度和海拔的影響，隨緯度的降低而降低，在128～142 g·cm-2之間。

另外，水汽也會影響測量結果。ROSOLEM等［44］使用MCNPX模擬了492對水汽含量（共12個個例）和統(tǒng)一的土壤水分條件（共41個個例）的配對組合，發(fā)現最需要大氣水汽校準的地區(qū)為季節(jié)性變化強的地區(qū)，而不是單純的潮濕或干燥地區(qū)，且大氣水汽對CRNP測量的影響與高度有關。通過模擬試驗和計算，提出相應的水汽修正系數和校準函數：

fWV=1+0.054Δρv0（R2=0.99，MRES=0.00005）。（10）

式（10）中，fWV為CRNP測量強度隨大氣變化而變化的比例因子；Δρv0=ρv0-ρref，v0，g·m-3；ρv0為地表絕對濕度，kg·m-3；ρref，v0為參考條件下的地表絕對濕度，kg·m-3，這里為干燥空氣，即ρref，v0=0。

經過大氣水汽校正后發(fā)現，大氣水汽對測定中子數的影響最大可達12%（強季節(jié)性時），相應會造成土壤水預測誤差達0.10 cm3·cm-3。

3.2 土壤因素

土壤中的礦物晶格水、土壤有機質及枯枝落葉層等均含有氫元素，會對CRNP測量造成影響。

3.2.1 晶格水

晶格水存在于各種礦物晶格中，如黑云母、角閃石、石膏或黏土礦物。它主要會影響宇宙中子與土壤相互作用的速度，進而減小測量深度。晶格水一般不會隨外界氣候產生大的變化，因此，只需要找到合適的校準函數，就可以準確校準晶格水含量。ZREDA 等［26，28］通過 MCNPX 建模結果發(fā)現，對于不同的化學成分，校準函數的形狀是相似的。據此結果，ZREDA等預測存在通用的校準函數對晶格水進行校準，但此函數需要用測量地的土壤性質和地點位置構建得到，從而在計算算法中實現對晶格水的測量。校準時可以使用重力法測量晶格水。

3.2.2 土壤有機質中的氫

土壤有機質含有氫，因此具有類似于晶格水的作用，并且它在土壤中的含量也大致上處于恒定狀態(tài)。土壤有機質含量與地表植被豐富度有關，地表植被越豐富，土壤有機質含量就越高。土壤有機物中水的當量大致等于碳的質量百分比，約為晶格水的一半［28］。當有機碳質量含量超過 10 g·kg-1時，有機物中的氫對于CRNP的測量結果就會產生影響（大約每增加1%的有機質，就會使土壤含水量增加約0.85%［35］）。校準時可以利用庫侖法測定 CO2，并用紅外技術測定總碳，然后計算土壤有機碳，得到有機質中水含量［28］。

3.2.3 對測量深度的影響

CRNP測量深度Z為垂直方向上探測到86%快中子的范圍，測量深度Z與測量范圍內的土壤含水量呈反比例關系。含水量較高的土壤所含氫原子數量往往較多，從而慢化和吸收土壤中快中子的速度就會更快，使得快中子無法繼續(xù)向土壤更深處擴散。因此，土壤中其他氫庫會導致測量深度變小。近年來的研究［30-31，45-46］表明，CRNP測量深度 Z計算公式為

式（11）中，Z為CRNP測量深度，cm；ρb為土壤容重，g·cm-3；r為距CRNP探測器的距離，m；θ為土壤體積含水量，cm3·cm-3；P0、P1、P2、P3和 P4均為常數，分別為8.321、0.142 49、0.966 55、26.42和0.056 7。

3.3 地表水

地表積雪、積水、水體和徑流水等均會對CRNP測量產生影響。特別是在寒冷地區(qū)，積雪是除了土壤外最大的額外氫庫，對測量結果有明顯影響。TIAN等［47］分別于2014和2015年作物季和雪季對植被水當量（BWE）和雪水當量（SWE）進行測量，發(fā)現其與熱中子（TN）和快中子（FN）強度之間的中子比（Nr）呈強線性關系，根據這種線性關系進行矯正，可以精確地估算出BWE和SWE值。RIVERA-VILLARREYES等［48］分別采用由16個探針組成的土壤含水量監(jiān)測網絡和CRNP傳感器對冬季農田系統(tǒng)積雪條件下的土壤含水量進行測量后發(fā)現，CRNP測量結果不會受到空氣溫度急劇下降的影響，同時在積雪期間，用CRNP測得的Nr值更為準確。地表大水體會減少該方向的中子強度和半徑，而干燥路面等則會造成該方向含水量的高估，但大多數應用條件下仍可認為CRNP的徑向足跡是各向同性的［31］。

3.4 植被因素

植被對CRNP的影響既有植物體內水和有機物的因素，又有植被冠層截留水因素。試驗證明，1 kg·m-2植被地上干物質或2 kg·m-2植被水當量可造成約0.9%的快中子強度變化［36］。對于短期研究，可認為植被體內水含量和植被有機質含量是常量，而長期監(jiān)測中植被的盛衰會造成明顯的數據波動［41］。此外，近地表快中子的熱化并不僅僅受植被生物量的影響，還受其空間分布（植被分布形態(tài)、植株大小、密度）的影響［36］。由于植被空間分布存在強空間變異性和長期動態(tài)變化特征，使其成為最復雜的影響因素，同時也成為CRNP研究熱點。

對于2.2節(jié)中列出的3種含水量算法，可采用不同的植被因素校正方法。對N0法來說，可在包含植被的情況下對其重新進行擬合以消減植被影響，但僅限于植被生物量波動不大的情況；或者采用Nv替換式（3）中N：

式（12）中，Nv為植被校正后的中子計數；EBW為植被水當量。由于Hmf法直接考慮了植被影響因素，因此可直接通過調整植被氫摩爾數進行校正。植被水當量的估算可利用熱中子-快中子比值［47］，或者引入植被葉面積指數（LAI）、植被指數（NDVI）等他源數據［41］。

此外，K?HLI等［31］研究發(fā)現植被會影響CRNP測量范圍，并且通過模擬試驗發(fā)現隨著植被高度的增加測量半徑在減小，兩者呈指數關系：

式（13）中，Hveg為植被高度，m；fveg為對應的修正系數。

然而，目前人們就環(huán)境空間變異性對CRNP影響的認識仍然不夠，迫切需要快速、直觀、準確地對植被和其他環(huán)境條件進行定量評價的技術方法［31］，以推進CRNP的更廣泛應用。

3.5 太陽中子因素

宇宙射線密度隨時間的變化主要由太陽活動引起，太陽輻射的大小可反映太陽活動，如太陽黑子周期或晝夜波動等都會對宇宙射線產生影響，故需要對太陽輻射進行校正，ZREDA等［28］提出了太陽中子的修正系數：

式（14）中，fi為太陽中子修正系數；Nm為測量時間內實測的快中子密度，h-1；Na為參考中子密度，h-1。此數據可以使用瑞士少女峰觀測站（46.55°N，7.89°E；海拔 3 750 m）的中子觀測數據（http：//cosray.unibe.ch/）進行校正。

4 應用現狀

CRNP可以對土壤進行非接觸式、無破壞性的連續(xù)水分監(jiān)測，因此，近年來被廣泛地應用于農業(yè)管理、水文研究、氣象預報、植被生物量變化評估和雪深測量等各個方面。

4.1 農業(yè)管理

準確掌握土壤水分的田間尺度變化對于灌溉農業(yè)管理非常重要。由于CRNP可實現百米尺度范圍的監(jiān)測，為中小尺度農田土壤含水量的測量提供了一種新的監(jiān)測技術，且這種技術對水分變化有很高的靈敏性和準確度；因此，可通過CRNP對農田土壤含水量進行實時監(jiān)測，且隨時了解植被的生物量變化，以達到在農業(yè)系統(tǒng)中建立長期監(jiān)測點的目的。HAN等［49］綜合模擬研究了西班牙瓦倫西亞附近滴灌灌溉的柑橘農田，通過同化CRNP的中子強度調整土壤含水量后，使用局部集成變換卡爾曼濾波器（local ensemble transform Kalman filter）更新土壤水力性質（連同土壤濕度），根據作物的水分虧缺指數計算灌溉需求，結果表明：宇宙射線中子儀能夠精確地反映作物根系的水分變化，為農田的灌溉調度提供了更多選擇。FRANZ等［35］在奧地利東北部的農田系統(tǒng)中，使用CRNP和時域透射率（time-domain transmissivity，TDT）監(jiān)測網絡對土壤含水量進行觀測，并將兩者結果進行對比分析后發(fā)現，CRNP能夠在農業(yè)生態(tài)系統(tǒng)中提供實時和準確的土壤含水量測量結果?？梢姡珻RNP將會為未來農業(yè)用水和養(yǎng)分管理決策方面的研究提供極大幫助。

4.2 水文研究

土壤含水量作為水文要素之一，是陸地水文研究中最重要的內容，可以為徑流形成、湖泊變化等研究提供一定幫助。通過采用CRNP對土壤含水量的測量，推測出土壤含水量在不同地區(qū)、不同土壤質地和時間上的變化規(guī)律，觀測植物生長狀態(tài)，可為水文研究提供一種新的測量方法。ZHU等［19］分析了CRNP測量深度在時間穩(wěn)定性上的表現，RMSE達到0.021，表明時間穩(wěn)定性在CRNP深度評估中的應用是可靠的。ALMEIDA等［50］將電容式土壤水分傳感器和CRNP數據結合在一個模糊推理系統(tǒng)（m-ANFIS）中，以估算澳大利亞塔斯馬尼亞島東北部一個28 hm2的圓形區(qū)域土壤水分的空間變化，在長期的監(jiān)測中，兩者誤差保持在2%～6%。因此，CRNP可以為水文方面的研究提供可靠的數據保證。CHRISMAN等［51］在亞利桑那州的圖森盆地大規(guī)模地進行衛(wèi)星遙感反演水文研究時發(fā)現，CRNP生成的土壤濕度圖有助于衛(wèi)星數據的校準和驗證，為大規(guī)模的水文研究提供了一種新方法。AVERY［52］利用CRNP的高時空分辨率及其應用規(guī)模尺度范圍大的特點，為中小尺度上土壤含水量監(jiān)測提供了更為精確的數據，在水文建模中將CRNP作為土壤含水量數據生成工具，驗證了土壤水分在全球水循環(huán)中的重要性。

4.3 氣象預報

土壤含水量作為氣象和水文預測的關鍵指標，在相關領域發(fā)展迅速，越來越多的研究表明土壤濕度與不同時期不同氣象要素間存在不同程度的關系［53］，因此，通過測量土壤含水量就可以準確地反映氣象狀況，達到對氣象條件進行預測的目的。FRANZ等［45-46］為亞利桑那州南部的旱地生態(tài)系統(tǒng)預測氣候狀況時，分別利用包含180個探針的高分辨率土壤濕度網絡和CRNP傳感器，測量數百平方米范圍的土壤平均含水量，結果發(fā)現，CRNP在中小尺度上的測量精度完美地滿足了氣象學的要求，不但能夠提供合理的水通量估算，而且其含水量數據在降雨滲透到有限深度的旱地生態(tài)系統(tǒng)的每日和季節(jié)時間尺度上都有較高的質量，是評估水在自然環(huán)境中作用的理想選擇。

4.4 植被生物量估算

利用CRNP的測量原理，可以通過測量植物組織中固定的生物氫和植物木質部以及其他組織中含有的氫原子來估算植被水當量（BWE），再根據BWE占植被生物量的百分比來計算生物量。FRANZ等［37］設計了森林和農田環(huán)境的試驗研究，2個試驗分別對黃松林和玉米田BWE進行測量，結果表明CRNP可以在一定的精確度范圍內估算出黃松林和玉米田的BWE，但在試驗的同時還發(fā)現其測量精準度會受到土壤含水量、大氣水汽含量、地下生物量和作物殘渣的影響，在試驗過程中需要對上述幾個指標進行精確測量，以提高BWE測量的精確度。BAATZ等［36］在研究生物量對CRNP測量結果的影響時，假設地上植被生物量所含水當量近似于纖維素（C6H10O5）中含有的氫和氧的量，約占植被生物量的55.6%。對于植被水當量占制備生物量的比例，可以在CRNP測量范圍內選取適當的點采樣計算以提高精確度。JAKOBI等［54］在農業(yè)干旱條件下，采用Nr來估算甜菜生物量，通過每月的采樣，發(fā)現Nr與甜菜生物量呈線性關系，其RMSE最終可達0.013 cm3·cm-3，但是對于地上其他植被，特別是生物質產量較低的植被的適用性并不清楚。在未來研究中，該方法的一般適用性應作為研究重點。

4.5 雪深測量

采用CRNP測量含水量主要測量的是氫原子的量，而快中子對土壤濕度變化的敏感性比熱中子更高，其計數率通常更高。ZREDA等［28］描述了美國科羅拉多州一個采用CRNP測量雪深的試驗，發(fā)現隨著地面上積雪厚度的增加，快中子強度下降得更快。DESILETS等［29］對亞利桑那州冬季雪水當量深度（SWE）進行調查發(fā)現，采用CRNP測量SWE的結果與采用積雪取樣裝置獨立收集數據后所測得結果非常接近，說明CRNP在測量雪深方面有較高的精確度。SCHATTAN等［55］在阿爾卑斯山脈評估了CRNP在積雪測量方面的特性，該試驗同時使用基于空間分布的地面激光掃描（TLS）和自動氣象站對連續(xù)點尺度雪深（SD）和SWE進行測量，結果表明：無論是SD還是SWE，CRNP都表現出強的非線性相關，可將其應用于高寒積雪區(qū)空間平均SD和SWE的連續(xù)監(jiān)測，但靈敏度隨SWE的增加而降低。

5 應用展望

CRNP適用于中小尺度的土壤水分監(jiān)測，其測量范圍填補了點測量法和遙感測量法間的尺度空缺，具有自動測量、連續(xù)無破壞、結果準確、測量深度較大、范圍適中等優(yōu)點。然而，正如預期的那樣，CRNP可精確測量土壤-植被-大氣整個連續(xù)體的水分含量，但其測量精準度取決于測量范圍內氫原子的量，故CRNP將會受到地表其他氫庫（如晶格水、大氣水汽、攔截水、雪水、植被生物量等）和具體實驗場地復雜變化的時間和空間氫庫的影響。因此，如何有效、快速、準確地對近地表其他氫庫的影響進行分析和校正將是需要思考和解決的問題。

晶格水和大氣因素對CRNP測量影響的研究已日趨成熟，但對于植被生物水、雪水等其他影響因素，可通過研究找到更為簡便有效的方法校正生物水和雪水對CRNP測量的影響。如結合其他中尺度土壤水監(jiān)測方法（如探地雷達、高密度電法儀及拉曼散射TDR）或利用其他方法（如無人機遙感與其他地面驗證實驗）對用CRNP所測得數據進行校正，逐漸完成對CRNP數據的完善和修正。因此，如何將CRNP發(fā)展成為一個具有足夠空間分辨率反映土壤水的空間變異性，同時監(jiān)測范圍還能夠銜接高空遙感等大尺度的前沿方法來滿足區(qū)域化、精量化的研究要求，將會是未來研究重點。

通過近年來不斷的研究和發(fā)展，將CRNP搭載在車輛上進行移動測量已經成為可能。在農業(yè)應用中，可以搭載在拖拉機等農業(yè)設備上，再結合其他農業(yè)監(jiān)測手段，可以為農業(yè)活動提供信息，如灌溉深度的時間和空間分布，最佳肥料、水量的投入，產量預測等。此外，將CRNP搭載在小型貨車上，可以在一定區(qū)域內進行與土壤含水量相關的繪圖工作，為全球正在進行的數字土壤繪圖工作和其他高分辨率產品的驗證提供一定的技術支持。