Quantifying Soil Structure to Augment the Relevance of Laboratory-Based Soil Hydraulic Properties for Environmental Modelling

Vannets transportveier og tilbakeholdelse i jordsmonnet kan påvirke menneskers livskvalitet på flere måter, ved at det har en direkte effekt på (i) mat- og fiberproduksjon, (ii) vannkvalitet (f.eks. erosjon), samt (iii) sikkerhet for mennesker og infrastruktur (bl.a. flom- og skredaktivitet) og påvirker et mangfold av økosystemtjenester. Matematisk modellering er kanskje det mest effektive verktøyet for hypotesetesting og for å lage hendelsesprognoser for disse fenomenene. Siden modellering av vanntransport i jord er en viktig komponent i disse modellene, er det nødvendig med mest mulig representative jordegenskaper for å definere retensjon og vanntransport (hydrauliske egenskaper). Måling av disse egenskapene på laboratoriet er tidkrevende og kostbart; derfor blir de ofte estimert ut fra grunnleggende jordegenskaper. Aktuelle estimater av jordas hydrauliske egenskaper er usikre fordi: (1) målinger i laboratoriet gir en dårlig representasjon av de hydrauliske egenskapene i felt; og (2) metodene er ofte basert på målinger av forstyrrede jordprøver, mens korrekt fremstilling av de hydrologiske prosessene i felt krever kvantifisering av det uforstyrrede 3D-porevolumet i jorda. Målet med dette prosjektet var å (i) kvantifisere det komplekse tredimensjonale poresystemet i jord, og (ii) utvikle metoder for å overføre resultat av forbedrede jordanalyser i laboratoriet til jordhydrauliske egenskaper relevant på feltskala. Vi har samlet 252 jordprøver fra mer enn 30 jordtyper fra forskjellige jord- og landskap over hele Norge og laget en metodisk konsistent database med jordhydrauliske egenskaper som er unik ved at den f.eks. inneholder pore-nettverksmålinger i jord avledet av røntgenbildebehandling, måling av jordvannretensjon ved 4 påfølgende metoder, og for tiden den største samlingen av kontinuerlige jordpartikkelstørrelsesdata som resultat av den nye PARIO-metoden. Vi har brukt disse dataene til å teste en teoretisk modell for å koble jordas komplekse porerettverk til jordas vanneldningsevne. Dataene vil også bli brukt til å validere det foreslåtte Kullback-Liebler Divergence-konseptet (KLD, dvs et mål på hvordan en sannsynlighetsfordeling er ulik en annen), som en numerisk representasjon av jordstrukturens effekt på jordas hydrauliske funksjon. Testing av KLD-konseptet på mindre detaljerte og metodologisk blandede historiske data (derfor med støy) ga ikke et entydig resultat. Tidlig utforskning av korrelasjoner blant datatypene antyder sterk prediktiv evne av røntgenbilde avledede jordporemetriker for å utlede jordhydrauliske egenskaper. Dette betyr at vår forskningshypotese sannsynligvis vil bli bekreftet, og vi vil avansere forskningsfronten innen beregning av jordhydrauliske egenskaper når de planlagte maskinlæringsmodellene blir publisert. Vi gjennomførte også to omfattende feltkampanjer, der vi overvåket vanntransport - og i ett tilfelle sporstofftransport ? i jord på meterskala. Tredimensjonale målinger ved hjelp av et avansert oppsett av jordfuktighets- og geofysiske sensorer, etterfulgt av en intensiv jordprøvetaking, røntgenbildeanalyse og laboratorieanalyser som beskrevet ovenfor. Modellen HYDRUS 3D, er den mest benyttede modellen for vann- og stofftransport i umettet sone. Den har nå blitt satt opp og blir parametrisert for å simulere disse 3-dimensjonale strømningsfeltene og kvantifisere fordelene ved metodikk brukt i dette prosjektet på feltnivå. Prosjektet bidro også til å lage og frigjøre programvare for en mer effektiv håndtering av røntgenavledede jordbilder. Dette kan bidra til å forbedre metodens gjennomførbarhet i fremtiden. Prosjektresultatene gir nytt og forbedret grunnlag for modellering av miljøprosesser, samtidig som det forbedrer det fremtidige forskningspotensiale gjennom engasjement av studenter og unge forskere, og ved å inspirere til nye forskningsretninger.

We built two 3-D field data collections of heterogeneous soil water transport patterns and produced a unique, methodologically consistent database of soil hydro-physical data, complete with X-ray imaged soil pore-network metrics. The project will benefit science by proposing - to our knowledge still the first - machine-learning based empirical estimation model of soil hydraulic properties based on X-ray imaging of soils, and by that, improving the estimation of field-effective soil hydraulic properties. We are in process of filling a knowledge gap in bio-physical modeling by validating a single-metric that describes the effect of soil structure on soil water retention properties. We contributed to the (semi-)automatization of X-ray image analysis, making the use of the technique itself more feasible. The project will impact society at large indirectly through the improvement of model-data support for future scenario studies, risk assessment and environmental planning.

Successful simulation-based environmental studies and relevant mapping applications rely on accurate predictions of soil hydraulic parameters from readily available soil properties. Progress in the latter area has been stagnant for at least 10 years - the base data used in such estimations has not changed much in over 30 years - which have compromised our ability to simulate environmentally relevant processes. This project has identified two reasons for this: (1) soil hydraulic properties measured in the laboratory poorly represent hydraulic properties at the field scale for reasons that are not yet well understood; and (2) conventional approaches to estimate soil hydraulic properties are primarily based on properties of the solid constituents of disturbed soil samples, while hydrological processes in the field are governed dominantly by the 3D void system of the undisturbed, structured soil. The aims of this project are to advance the scientific frontier on each of these identified areas by contributing to i) the understanding and quantification of 3D soil pore geometry; and ii) translating laboratory soil data into field-effective soil hydraulic properties. Existing international data as well as extensive dual-scale data collection campaigns will serve as the necessary soil data and validation on field moisture regime. Novel mathematical concepts, non-invasive geophysical measurements, and X-ray computed tomography imaging will be coupled with traditional measurements to generate the necessary data pool. Cutting edge machine learning tools will be used to quantify data relationships and the predictive power of the new types of data, and 2D/3D simulation modelling will be used to quantify the benefit from the new findings in the context of 2 selected field-sites, using existing and ongoing field data collection campaigns. The study promises to provide new, improved foundations for parameterizing environmental studies.