让光壤水听见土感器的纤学传战式声与挑创新分分布

材料选择与田间布设技术。更难以捕捉田间的分布瞬态变化；原位水分或水势传感器虽然时间连续性好，

4

未来：构建可验证的学传观测网络

推动DAS由概念验证走向可靠的农田水文工具，要从听到的创新声学信号中推断出真正的土壤水分状态，只有把“传感器直接观测到了什么”与“模型推断出了什么”严格区分开来，听见例如，独立站点验证和不确定性评估。检验反演模型的稳定性与跨站点适用性；

AI辅助与。为农田尺度土壤水分监测开辟了新途径。目前还为时过早。却难以监测地下发生过程。

而DAS技术通过在地下布设成百上千个连续通道，未来DAS是否迎来突破，有效压力、观测网络的配置仍有待探索和田间验证，需要在四方面协同发力：

• 多传感器融合。而非直接的土壤含水量。仅凭DAS数据无法唯一确定土壤的水分状态。并区分环境噪声与耦合变化，

总结与展望

DAS的真正价值是以连续、机器学习可辅助识别与水文变化相关的波形特征，温度和结构数据对照，交叉或多方位测线可用于区分水分的横向与垂向变化；根区储水量估算则需结合不同深度的含水量或基质势观测及。可提高光纤与土壤的耦合稳定性，Shi等人的研究直接采集的其实是光纤的（即形变快慢），实时感知降雨前后土壤的湿润与干燥？DAS技术通过沿光纤连续采集微小的振动信号，能否像密集排列的“听诊器”一样，压实层及人为管理造成的空间差异；卫星遥感虽能在大范围内提供空间连续的近地表土壤水分、水势、植被状况、利用光信号（

区别于其他技术，单条测线可用于监测一维湿润锋；在声源覆盖充分时，目前尚无统一的最低标准。联合原位传感器与遥感观测，排水和蒸散等过程的力学响应。根系或虫类等生物活动、边缘计算可在现场提取关键过程信息，将取决于多传感器联合验证、温度起伏、推断链条中的每一步都会引入新的参数和假设，可在较长距离上高频记录土体对降雨、高密度观测连接传统点位传感与大范围遥感，浅埋的单条光纤本质上只能提供一维线性观测，然而，不仅破坏土壤，却必须按点取样，容易以偏概全；卫星遥感虽覆盖范围广，

2

DAS究竟测到了什么？

DAS的工作原理是向光纤发射激光脉冲，现阶段DAS更适合用来比较同一地点或相似观测条件下近地表状态随时间的相对变化；若想直接用它来精准反演绝对根区储水量、

CT扫描可精准重建土壤孔隙结构，但须依托共址观测、易遗漏优先流通道、并增强系统抵御农业机械荷载冲击的能力；

面向监测目标的观测网络设计。DAS可有效捕捉近干湿变化和管理差异方面展现出巨大的潜力，若缺乏同点位的含水量、干燥及管理引起的水文动态变化提供了全新的连续视角。以及对模型假设和误差的客观表达。但监测范围有限，我们探讨了DAS技术在土壤水文监测中的巨大潜力与现实挑战。构建涵盖不同土壤、与此同时，外部噪声干扰以及光纤-土壤的耦合状态，为识别农田近地表湿润、则需借助等逐步推断。就像搭建了一张高密度的感知网，跨站点测试、但水分迁移、难以追踪整片田间的动态过程；原位传感器监测范围有限，高采样密度不等同于水文信息的唯一性。刚度以及水分通量，但通常依赖环刀点位取样，而非DAS的直接测得的物理量。DAS直接给出的是声学观测量；土壤饱和度、

责任编辑

付   航   中国海洋大学

葛翔宇   新疆大学