青藏工程走廊冻融土热扩散系数特性与预测模型研究

doi:10.7522/j.issn.1000-0240.2022.0051

摘要/Abstract

摘要：

热扩散系数是多年冻土对外界热扰动敏感程度的重要影响参数之一，也是寒区工程设计与建设的关键基础数据。基于瞬态平面热源法导热系数测试结果和质量加权法计算获取的比热容理论值，计算获得青藏工程走廊西大滩—唐古拉山沿线典型类别土样热扩散系数，分析对比了走廊带内冻融土热扩散系数的分布特征和参数影响规律，提出了基于经验拟合公式法和RBF神经网络方法的冻融土热扩散系数预测模型，并比较了不同预测模型的预测效果。研究结果表明：青藏工程走廊带内土的热扩散系数与粒径整体呈正相关性，融土热扩散系数按黏性土、粉土、全风化岩类、砂土及碎石土依次增大，冻土热扩散系数按黏性土、全风化岩类、粉土、碎石土及砂土依次增大；热扩散系数与容重及天然含水率相关性随土类及冻融状态差异明显，冻、融土热扩散系数呈显著正线性关系；以融土热扩散系数为拟合参数的冻土热扩散系数三元预测模型的预测精度明显高于二元经验公式；RBF神经网络模型在冻、融土热扩散系数预测中均具有最优的预测精度，为最佳预测模型。

关键词: 青藏工程走廊, 多年冻土, 热扩散系数, 瞬态平面热源法, 预测模型

Abstract:

Thermal diffusivity is a prime influencing factor of permafrost thermal response sensitivity to external heat disturbances， and it is also the key basic data for engineering design and construction in cold regions. In present work， thermal diffusivity of typical soil samples along the Xidatan-Tanggula Mountain of the Qinghai-Tibet engineering corridor were calculated using the thermal conductivity test results of the transient plane heat source method and the theoretical value of specific heat calculated by mass weighting method. Then， the distribution characteristics and the parameter influence law of thermal diffusivity of frozen and unfrozen soil in the corridor zone had been analyzed and compared. Finally， the prediction models of thermal diffusivity of frozen and unfrozen soil based on empirical fitting formula method and RBF neural network method had been developed and compared. The research results showed that：（1） The thermal diffusivity of the soil in the Qinghai-Tibet engineering corridor is positively correlated with the particle size. The increasing order of thermal diffusivity value of unfrozen soil is cohesive soil， silt， fully weathered rock， sandy soil and gravel soil， and order is cohesive soil， fully weathered rock， silt， gravel soil and sandy soil for frozen soil. （2） The correlation among thermal diffusion coefficient， volume weight and natural moisture content varies with soil types and freezing/thawing states， and the thermal diffusivity of frozen and unfrozen soil has a significant positive linear relationship. （3） Using thermal diffusivity of unfrozen soil as fitting parameter， the prediction accuracy of ternary fitting prediction model is significantly higher than that of binary fitting model. （4） The RBF neural network model has the greatest prediction accuracy for both frozen and unfrozen soils， which is the best soil thermal diffusivity prediction model.

Key words: Qinghai-Tibet engineering corridor, permafrost, thermal diffusivity, transient plane source method, prediction model

中图分类号:

P642.14

刘志云, 钟振涛, 崔福庆, 陈建兵, 彭惠. 青藏工程走廊冻融土热扩散系数特性与预测模型研究[J]. 冰川冻土, 2022, 44(2): 458-469.

Zhiyun LIU, Zhentao ZHONG, Fuqing CUI, Jianbing CHEN, Hui PENG. Study on characteristic and prediction model of permafrost thermal diffusivity of Qinghai-Tibet engineering corridor[J]. Journal of Glaciology and Geocryology, 2022, 44(2): 458-469.

图/表 13

图1

图2

表 1

图3

表2

图4

表 3

表 4

图5

图6

图7

表 5

表 6

参考文献 30

1	Wang Shuangjie， Jin Long， Mu Ke， et al. Distresses and countermeasures of highway subgrade in plateau permafrost regions［J］. Strategic Study of CAE， 2017， 19（6）： 140-146.
	汪双杰，金龙，穆柯，等. 高原冻土区公路路基病害及工程对策［J］. 中国工程科学， 2017， 19（6）： 140-146.
2	Wang Tao， Zhou Guoqing， Wang Jianzhou， et al. Statistical characteristics and probabilistic analysis of uncertain settlement of subgrade in permafrost regions［J］. Cold Regions Science and Technology， 2020， 175： 103079.
3	Wang Qingzhi， Fang Jianhong， Chao Gang， et al. Influence of pavement type on thermal state of block-stone subgrade in permafrost region［J］. Journal of Glaciology and Geocryology， 2019， 41（5）： 1087-1097.
	王青志，房建宏，晁刚，等. 路面类型对多年冻土区片块石路基热状态的影响［J］. 冰川冻土， 2019， 41（5）： 1087-1097.
4	Zhu Dongpeng， Dong Yuanhong， Liu Ge， et al. Study of the influence of large-width asphalt-concrete pavement on the thermal characteristics of underlying permafrost［J］. Journal of Glaciology and Geocryology， 2014， 36（4）： 845-853.
	朱东鹏，董元宏，刘戈，等. 宽幅沥青路面热效应对其下部土体热状态的影响［J］. 冰川冻土， 2014， 36（4）： 845-853.
5	Liu Zhiyun， Cui Fuqing， Chen Jianbin， et al. Study on the permafrost heat transfer mechanism and reasonable interval of separate embankment for the Qinghai-Tibet expressway［J］. Cold Regions Science and Technology， 2019， 170： 102952.
6	Sun Zhe， Zhao Lin， Hu Guojie， et al. Influence of lower boundary conditions on the numerical simulation of permafrost temperature field changes［J］. Journal of Glaciology and Geocryology， 2021， 43（2）： 357-369.
	孙哲，赵林，胡国杰，等. 下边界条件对多年冻土温度场变化数值模拟的影响［J］. 冰川冻土， 2021， 43（2）： 357-369.
7	Yang Shiming， Tao wenquan. Heat transfer［M］. 4th ed. Higher Education Press， 2006.
	杨世铭，陶文铨. 传热学［M］. 4版. 高等教育出版社， 2006.
8	Guo Donglin， Yang Meixue， Wang Huijun. Characteristics of land surface heat and water exchange under different soil freeze/thaw conditions over the central Tibetan Plateau［J］. Hydrological Processes， 2011， 25（16）： 2531-2541.
9	Li Huoqing， Wu Xinping， Mamtimin Ali， et al. Comparison of the different methods to estimate soil thermal diffusivity， temperature and heat flux in sub-surface of Taklimakan Desert［J］. Chinese Journal of Soil Science， 2016， 47（4）： 805-813.
	李火青，吴新萍，买买提艾力·买买提依明，等. 塔克拉玛干沙漠地表浅层土壤热扩散系数、温度和热通量计算方法的比较研究［J］. 土壤通报， 2016， 47（4）： 805-813.
10	Wang Linlin， Gao Zhiqiu， Horton R. Comparison of six algorithms to determine the soil apparent thermal diffusivity at a site in the Loess Plateau of China［J］. Soil Science， 2010， 175（2）： 51-60.
11	Horton R， Wierenga P J， Nielsen D R. Evaluation of methods for determining the apparent thermal diffusivity of soil near the surface［J］. Soil Science Society of America Journal， 1983， 47（1）： 25-32.
12	Miao Yucong， Liu Shuhua， Shihua Lü， et al. A comparative study of computing methods of soil thermal diffusivity， temperature and heat flux［J］. Chinese Journal of Geophysics， 2012， 55（2）： 441-451.
	缪育聪，刘树华，吕世华，等. 土壤热扩散率及其温度、热通量计算方法的比较研究［J］. 地球物理学报， 2012， 55（2）： 441-451.
13	Han Binghong， Zhou Bingrong， Sun Ying， et al. The characteristics of soil temperature variations and heat exchange in freeze-thaw period over southern alpine grasslands in Qinghai Province［J］. Climate Change Research， 2018， 14（5）： 456-464.
	韩炳宏，周秉荣，孙瑛，等. 青海南部冻融区高寒草地土壤温度变化及热量传输特征［J］. 气候变化研究进展， 2018， 14（5）： 456-464.
14	Gao Zhiqiu， Fan Xingang， Bian Lingen. An analytical solution to one-dimensional thermal conduction-convection in soil［J］. Soil Science， 2003， 168（2）： 99-107.
15	Gao Zhiqiu， Bian Lingen， Zhang Yabin， et al. Study on analytical resolution to soil thermal conductive equation and soil thermal diffusivity over Nagqu area［J］. Acta Meteorologica Sinica， 2002， 60（3）： 352-360.
	高志球，卞林根，张雅斌，等. 土壤热传导方程解析解和那曲地区土壤热扩散率研究［J］. 气象学报， 2002， 60（3）： 352-360.
16	Dai Chengying， Gao Zhiqiu， Wang Linlin， et al. Intercomparison between two soil temperature algorithms［J］. Chinese Journal of Atmospheric Sciences， 2009， 33（1）： 135-144.
	代成颖，高志球，王琳琳，等. 两种土壤温度算法的对比分析［J］. 大气科学， 2009， 33（1）： 135-144.
17	Yuan Liming， Zhao Lin， Hu Guojie， et al. Hydro-thermal dynamic and soil thermal diffusivity characteristics of typical active layer on the central Tibetan Plateau［J］. Journal of Glaciology and Geocryology， 2020， 42（2）： 378-389.
	原黎明，赵林，胡国杰，等. 青藏高原中部典型下垫面活动层水热动态及其热扩散率研究［J］. 冰川冻土， 2020， 42（2）： 378-389.
18	Zhang Yonghui， Gao Zhiqiu， Tong Bing. Estimating the soil thermal parameters and modeling the soil temperature in Litang of Qinghai-Xizang Plateau［J］. Plateau Meteorology， 2017， 36（1）： 33-44.
	章永辉，高志球，童兵. 青藏高原理塘地区土壤热参数的确定及其土壤温度模拟试验［J］. 高原气象， 2017， 36（1）： 33-44.
19	Zhen Zuolin， Zhu Jianghong， Zhang Huyuan， et al. Study on the measurement and prediction of thermal properties for sand［J］. Chinese Journal of Underground Space and Engineering， 2018， 14（6）： 1577-1586.
	甄作林，朱江鸿，张虎元，等. 砂土导热性能测试与预测研究［J］. 地下空间与工程学报， 2018， 14（6）： 1577-1586.
20	Wang Keli， Cheng Guodong， Jiang Changchang， et al. Variation of thermal diffusivity and temperature simulation of soils of vertical heterogeneity in Nagqu prefecture in the Tibetan Plateau［J］. Journal of Glaciology and Geocryology， 2007， 29（3）： 470-474.
	王可丽，程国栋，江畅畅，等. 青藏高原那曲地区非均质土壤导温率的变化及土壤温度数值模拟［J］. 冰川冻土， 2007， 29（3）： 470-474.
21	Zhou Ya， Gao Xiaoqing， Li Zhengchao， et al. Spatio-temporal distribution of thermal diffusivity in deep soil in Qinghai-Tibetan Plateau［J］. Acta Pedologica Sinica， 2018， 55（2）： 351-359.
	周亚，高晓清，李振朝，等. 青藏高原深层土壤热扩散率的时空分布特征［J］. 土壤学报， 2018， 55（2）： 351-359.
22	Liu Jingxing， Li Chuntao， Liang Yuxiang， et al. Influence of soil texture on the thermal diffusivity［J］. Journal of Desert Research， 2010， 30（3）： 577-581.
	刘经星，李春桃，梁玉祥，等. 质地对土壤热扩散率的影响［J］. 中国沙漠， 2010， 30（3）： 577-581.
23	Roxy M S， Sumithranand V B， Renuka G. Variability of soil moisture and its relationship with surface albedo and soil thermal diffusivity at Astronomical Observatory， Thiruvananthapuram， south Kerala［J］. Journal of Earth System Science， 2010， 119（4）： 507-517.
24	An Kedong， Wang Wenke， Wang Zhoufeng， et al. Soil thermal parameters of aeolian sand and its relationship with water content［J］. Hydrogeology & Engineering Geology， 2015， 42（5）： 129-133.
	安可栋，王文科，王周峰，等. 风积沙热参数计算及其与含水率关系研究［J］. 水文地质工程地质， 2015， 42（5）： 129-133.
25	Di Jiaying， Liu Xiaona， Ren Tusheng. Comparative study on thermal properties of intact and repacked soil samples［J］. Transactions of the Chinese Society of Agricultural Engineering， 2012， 28（21）： 74-79.
	邸佳颖，刘晓娜，任图生. 原状土与装填土热特性的比较［J］. 农业工程学报， 2012， 28（21）： 74-79.
26	Ma Xin， Zhang Tangtang， Chen Jinlei. Observations of soil thermal properties in a typical mesa over Chinese loess plateau［J］. Plateau Meteorology， 2019， 38（3）： 507-517.
	马欣，张堂堂，陈金雷. 黄土高原典型塬区土壤热性质变化特征研究［J］. 高原气象， 2019， 38（3）： 507-517.
27	Arkhangelskaya T， Lukyashchenko K. Estimating soil thermal diffusivity at different water contents from easily available data on soil texture， bulk density， and organic carbon content［J］. Biosystems Engineering， 2018， 168： 83-95.
28	Xu Xiaozu， Wang Jiacheng， Zhang Lixin. Permafrost physics［M］. Beijing： Science Press， 2010.
	徐斅祖，王家澄，张立新. 冻土物理学［M］. 北京：科学出版社， 2010.
29	Cong Shuang. The function analysis and application study of radial basis function network［J］. Computer Engineering and Applications， 2002， 38（3）： 85-87.
	丛爽. 径向基函数网络的功能分析与应用的研究［J］. 计算机工程与应用， 2002， 38（3）： 85-87.
30	Wei Min， Yu Le’an. A RBF neural network with optimum learning rates and its application［J］. Journal of Management Sciences in China， 2012， 15（4）： 50-57.
	卫敏，余乐安. 具有最优学习率的RBF神经网络及其应用［J］. 管理科学学报， 2012， 15（4）： 50-57.

状态	不同土类比热/（kJ·kg^-1·K^-1）				水比热/（kJ·kg^-1·K^-1）
状态	黏性土、粉质黏性土	粉土、全风化千枚岩、全风化泥岩、全风化板岩	粉砂、中细砂、砾砂	圆砾、角砾、碎石土	水
融化	0.84	0.84	0.84	0.79	4.18
冻结	0.77	0.75	0.73	0.71	2.09

土性	变量	相关参数	含水率	干密度	融土热扩散系数	冻土热扩散系数
黏性土	含水率	相关性	1.000	-0.629	-0.187	-0.005
	含水率	显著性	—	0.000	0.040	0.934
	干密度	相关性	-0.629	1.000	0.207	0.118
	干密度	显著性	0.000	—	0.001	0.034
	融土热扩散系数	相关性	-0.187	0.207	1.000	0.803
	融土热扩散系数	显著性	0.04	0.001	—	0.000
粉土	含水率	相关性	1.000	-0.363	-0.475	0.002
	含水率	显著性	—	0.008	0.000	0.989
	干密度	相关性	-0.363	1.000	0.057	0.188
	干密度	显著性	0.008	—	0.689	0.118
	融土热扩散系数	相关性	-0.475	0.057	1.000	0.843
	融土热扩散系数	显著性	0.000	0.689	—	0.000
全风化岩类	含水率	相关性	1.000	-0.842	-0.259	-0.210
	含水率	显著性	—	0.000	0.027	0.044
	干密度	相关性	-0.842	1.000	-0.062	-0.280
	干密度	显著性	0.000	—	0.603	0.007
	融土热扩散系数	相关性	-0.259	-0.062	1.000	0.785
	融土热扩散系数	显著性	0.027	0.603	—	0.000
砂土	含水率	相关性	1.000	-0.567	-0.161	0.063
	含水率	显著性	—	0.000	0.065	0.368
	干密度	相关性	-0.567	1.000	0.200	-0.020
	干密度	显著性	0.000	—	0.021	0.778
	融土热扩散系数	相关性	-0.161	0.200	1.000	0.898
	融土热扩散系数	显著性	0.065	0.021	—	0.000
碎石土	含水率	相关性	1.000	-0.610	-0.099	0.073
	含水率	显著性	—	0.000	0.262	0.355
	干密度	相关性	-0.610	1.000	0.169	0.149
	干密度	显著性	0.000	—	0.054	0.057
	融土热扩散系数	相关性	-0.099	0.169	1.000	0.821
	融土热扩散系数	显著性	0.262	0.054	—	0.000

土类	土壤状态	参数
土类	土壤状态	a₁	b₁	c₁	d₁	e₁	f₁
黏性土	融土	0.581	-0.005	-1.591×10^-4	3.395×10^-6	-0.004	0.023
黏性土	冻土	1.450	-0.011	1.051×10^-4	-3.487×10^-7	-0.486	0.157
粉土	融土	-0.127	0.008	-8.024×10^-4	1.135×10^-5	0.851	-0.237
粉土	冻土	0.404	0.036	-8.191×10^-4	5.180×10^-6	-0.163	0.161
全风化岩类	融土	2.747	0.036	-2.312×10^-3	3.091×10^-5	-2.328	0.602
全风化岩类	冻土	2.181	0.044	-1.603×10^-3	1.286×10^-5	-1.293	0.258
砂土	融土	0.892	0.056	-2.895×10^-3	3.630×10^-5	-0.792	0.297
砂土	冻土	1.752	0.041	-1.163×10^-3	8.211×10^-6	-1.187	0.382
碎石土	融土	-1.101	0.063	-5.069×10^-3	1.221×10^-4	1.486	-0.330
碎石土	冻土	1.872	0.031	-1.007×10^-3	6.090×10^-6	-0.872	0.211

土类	参数
土类	a₂	b₂	c₂	d₂
黏性土	-0.664	1.769	0.240	-0.055
粉土	-1.310	1.965	0.383	0.222
全风化岩类	-0.148	1.479	0.201	-0.399
砂土	-1.677	1.686	0.261	0.038
碎石土	-0.799	1.504	0.310	0.234

预测模型	剔除比例/%	R²
		黏性土		粉土		全风化岩类		砂土		碎石土
		融土	冻土	融土	冻土	融土	冻土	融土	冻土	融土	冻土
二元经验公式拟合	15~20	0.45	0.25	0.37	0.32	0.52	0.50	0.51	0.25	0.25	0.26
二元RBF神经网络	5~10	0.65	0.36	0.90	0.84	0.78	0.71	0.67	0.55	0.51	0.66
三元经验公式拟合	3~5	—	0.75	—	0.80	—	0.80	—	0.87	—	0.84
三元RBF神经网络	2~3	—	0.86	—	0.90	—	0.96	—	0.91	—	0.93