对地表入渗和蒸发通量的分配，以及准确量化不同空间尺度下土壤与大气之间的质量和能量交换过程，都需要了解土壤的水文性质（如土壤水分特征曲线和导水率特征曲线）。土壤水分特征曲线（SWRC）描述了在基质势下土壤水分含量的平衡情况，是重要的水文特性，与土壤孔隙的大小分布和结构密切相关，受土壤结构、质地、有机物和粘土矿物等因素的影响。传统测量SWRC的实验室方法繁琐，数据往往不完整，且只覆盖有限的水分含量范围。近年来，近程和遥感技术得到了广泛关注，特别是在光学域内的土壤反射光谱已被用于获取土壤矿物学和化学成分、有机物含量、粒度分布及水分含量等信息。这些研究为卫星遥感提供了大尺度测绘的基础。传统方法主要依赖光谱转移函数，尽管能有效推断土壤水力特性，但需大量数据进行模型校准。本文提出了一种新的实验室方法，通过水分含量依赖的短波红外（SWIR）土壤反射光谱直接估计SWRC，利用开发的前向辐射传输模型，仅依赖水分含量-反射率数据对，计算效率更高，无需反演流动方程，简化了测量过程。
为了测试提议的新实验室方法，作者使用了21种亚利桑那州土壤，这些土壤的质地（表 1）和矿物成分（即高岭石、云母/伊利石、蒙脱石、蛭石、绿泥石和黑云母含量）有很大差异。下面提供了实验确定的 SWRC 和干燥土壤的反射光谱的描述。
表 1. 亚利桑那州土壤的质地特性
使用ASD LabSpec®2500 地物光谱仪测量不同含水量水平的土壤反射光谱。波长范围：350-2500nm。将烘干的土壤样品通过2mm筛子，然后装入直径为40mm、高度为1.5mm的黑色金属容器中。反射率测量采用与SWRC测量相同的目标填充密度。样品经过仔细平整（即不压实以尽量减少阴影效应）。土壤样品一开始用2毫升注射器浸透，在土壤从浸透到风干的过程中，每3分钟自动获取一次反射光谱。
图 2. (a) 假设 θo= 0.18, log|hm| = 0.7和σ=1.3的毛细管水和吸附水贡献的土壤水分保持模型。(b) 构成土壤总水分含量的毛细管水和吸附水成分。
图 3. Lebeau 和 Konrad (2010) 模型参数的变化及其对土壤水分特征曲线（上行）、吸附水分量（中行）和毛细管水分量（下行）的影响。在每个图中，其他两个参数保持不变，等于图 2 中的参考值。
图 4. Lebeau 和 Konrad (2010) 模型与四种具有不同粘土含量的 AZ 土壤的测得土壤水分保留曲线数据的最佳拟合。
图 5. (a) 在不同短波红外波段测量的 AZ3（壤土）和 AZ18（粘土）土壤的转换反射率与土壤水分含量的关系。(b) 转换反射率对水分含量的一阶导数（实线）及其对应的全局最大值（空心圆）。(c) 与全局dr/dθ 最大值相关的水分含量绘制为所有 SWIR 波长的密度分布（Eilers and Goeman，2004）与吸附和毛细管水分成分的关系。
图 6. 利用所提出的逆方法获得的毛细管水和吸附水成分，与通过 Lebeau 和 Konrad (2010) 模型对 21 种 AZ 土壤的测得的土壤水分保留曲线进行最佳拟合获得的相应成分进行比较。
图 7. 使用新提出的模型获取的 21 种 AZ 土壤的 SWRC 与直接测量结果的比较。
图 8. 使用新实验室方法从短波红外反射获得的土壤水分含量与所有被调查土壤的直接测量值的比较。
本文介绍了一种基于物理的实验室的新方法，该方法可以直接从土壤水分含量 SWIR反射率数据对中检索土壤水分特征曲线 (SWRC)。所得结果为本研究的假设提供了强有力的支持，即 SWRC 的毛细管和吸附水成分的光学特性存在显著差异，因为它们在土壤孔隙系统中的分布不同。这种差异是从水分含量相关的反射率数据成功检索 SWRC 的关键。
考虑到从饱和到风干的干燥薄土样的短波红外 (SWIR) 反射率可以在几个小时内测量，与通常需要数周时间的标准实验室方法相比，所提出的新方法具有很高的时间效率。以计算效率为代价，用 Richards 方程约束所提出的反演方法可能会提高 SWRC 检索的准确性。
